Combining Machine Learning and Quantum Chemistry for the Design of Homogeneous Catalysts

Información del proyecto

ML4Catalysis

Identificador del acuerdo de subvención: 101025672

DOI

10.3030/101025672

Proyecto cerrado

Fecha de la firma de la CE 22 Abril 2021

Fecha de inicio 1 Septiembre 2021

Fecha de finalización 31 Agosto 2023

Financiado con arreglo a

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coste total

€ 214 158,72

Aportación de la UE

€ 214 158,72

Coordinado por

UNIVERSITETET I OSLO
Norway

Descripción del proyecto

Nuevas herramientas informáticas ayudarán a encontrar catalizadores para la química ecológica

Los catalizadores aceleran la velocidad de una reacción y son fundamentales para la mayoría de los procesos químicos e industriales. La catálisis homogénea utiliza reactivos y catalizadores en el mismo estado, mientras que la catálisis heterogénea utiliza catalizadores en un estado diferente al de los reactivos. La catálisis homogénea suele requerir condiciones de reacción más suaves y puede presentar una mayor actividad, selectividad y control. Con el apoyo de las Acciones Marie Skłodowska-Curie, el equipo del proyecto ML4Catalysis está desarrollando métodos de aprendizaje automático y otras herramientas informáticas que aprovechan los principios de la química cuántica para generar una familia completamente nueva de catalizadores homogéneos. El equipo se centra en los complejos de metales de transición para la creación de combustibles y materias primas químicas a partir de recursos naturales.

Objetivo

While machine learning (ML) methods are already commonly applied in heterogeneous catalysis, the use of such methods for the design of homogeneous catalysts is a largely overlooked field. A recent proof-of-principle study showed the huge potential of ML in homogeneous catalysis by demonstrating that activation barriers in a set of related transition metal (TM) complexes can be learned. ML4Catalysis has three objectives that go far beyond this state of the art:

1) Automation of quantum chemistry (QC) calculations by combining different existing computational tools in a unified framework, with the goal to create powerful high-level computational workflows in a synergistic way.

2) Going beyond the accuracy of density-functional theory (DFT), which is often inaccurate for systems with multireference (MR) character like TM complexes. To this end, we will develop an ML method that is trained to predict the difference between energies at the DFT level and at a more accurate multireference level.

3) A pool of entirely novel catalysts for a given reaction will be generated by using a variational autoencoder (VAE) architecture. A Gaussian Process (GP) model trained to predict key activation barriers on a subset of these complexes will be used to screen the remaining set for the most promising candidates. This approach will be applied to find novel CO2 hydrogenation catalysts, which are important for the creation of fuels and feedstock chemicals from natural resources.

With its focus on catalysis and modern QC and ML methods, ML4Catalysis is highly relevant for two of the European Commission’s current priorities: “A European Green Deal” and “A Europe fit for the digital age”. The interdisciplinary project combines knowledge of the researcher on modern MR methods and the electronic structure of TM complexes with the expertise in automation, ML, and homogeneous catalysis at the host institution and will leave the researcher well-prepared for an independent career.

Ámbito científico (EuroSciVoc)

• ciencias naturales › ciencias químicas › química inorgánica › metales de transición
• ciencias naturales › ciencias químicas › química física › química cuántica
• ciencias naturales › ciencias físicas › física cuántica › teoría cuántica de campos
• ciencias naturales › ciencias químicas › catálisis
• ciencias naturales › informática y ciencias de la información › inteligencia artificial › aprendizaje automático

Programa(s)

• H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions PROGRAMA PRINCIPAL
  
• H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
  

Tema(s)

• MSCA-IF-2020 - Individual Fellowships
  

Régimen de financiación

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Convocatoria de propuestas

H2020-MSCA-IF-2020

Coordinador

UNIVERSITETET I OSLO

• Aportación neta de la UEn: € 214 158,72
• Dirección: PROBLEMVEIEN 5-7 ; 0313 Oslo ; Noruega
• Región: Norge › Oslo og Viken › Oslo
• Tipo de actividad: Higher or Secondary Education Establishments
• Coste total: € 214 158,72