Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

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

Opis projektu

Nowatorskie narzędzia obliczeniowe pomogą znaleźć katalizatory i przenieść chemię w obszar bardziej ekologiczny

Katalizatory przyspieszają przebieg reakcji i mają zasadnicze znaczenie dla większości procesów chemicznych i przemysłowych. W katalizie homogenicznej wykorzystuje się reagenty i katalizatory w tym samym stanie, podczas gdy w katalizie heterogenicznej wykorzystuje się katalizatory w innym stanie niż reagenty. Kataliza homogeniczna wymaga często zachowania łagodniejszych warunków reakcji i czasem cechuje się większą aktywnością, selektywnością i stopniem kontroli. Zespół projektu ML4Catalysis, przy wsparciu z działań „Maria Skłodowska-Curie”, opracowuje metody uczenia maszynowego i inne narzędzia obliczeniowe wykorzystujące zasady chemii kwantowej w celu uzyskania całkowicie nowej rodziny katalizatorów homogenicznych. Zespół skupia się na kompleksach metali przejściowych i wykorzystaniu ich do tworzenia paliw i chemikaliów wsadowych z zasobów naturalnych.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2020

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSITETET I OSLO
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 214 158,72
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 214 158,72
Moja broszura 0 0