Projektbeschreibung
Effizienteres Polymermembranen-Design
Das im Rahmen der Marie-Skłodowska-Curie-Maßnahmen finanzierte Projekt ML-MULTIMEM hat die Einbindung von Algorithmen der künstlichen Intelligenz in Mehrskalen-Molekularsimulationsverfahren für Polymere zum Ziel, um Innovationen bei Membranen auf Polymerbasis zum Zweck der Reduzierung von Treibhausgasemissionen voranzubringen. Es wird eine hierarchische Simulationsstrategie entwickelt, um die Eigenschaften von Materialien auf mehreren Ebenen auf effiziente Weise zu modellieren: atomar, mesoskopisch und makroskopisch. Der durch maschinelles Lernen unterstützte Modellierungsansatz wird dazu dienen, systematisch genaue grobkörnige Darstellungen und Kraftfelder für Polymersysteme zu extrahieren, um die Anwendbarkeit und Verallgemeinerung dieser neuartigen molekularen Simulationsverfahren auf eine Reihe komplexer chemischer Systeme zu erweitern, die für verschiedene kritische Anwendungen wichtig sind. Außerdem werden molekulare Simulationen mit Kontinuumsmodellen gekoppelt, um einen allgemeinen Rahmen für die Mehrkomponentenvorhersage zu entwickeln.
Ziel
The goal of this project is to build a systematic modelling framework for advanced polymer materials, that are widely employed in numerous membrane separation applications, especially as gas separation media for carbon capture. Polymers are very challenging to simulate, due to the wide range of timescales that are present in these systems and require elaborate system-specific multiscale strategies. A hierarchical simulation strategy will be developed, encompassing atomistic, mesoscopic and continuum scales, integrating machine learning techniques. The artificial intelligence aided multi-scale approach proposed constitutes a generalized methodology for the efficient computational study of polymers. The synergy of unsupervised machine learning (ML) clustering techniques and neural networks (NN), will enable the extraction of accurate coarse-grained (CG) representations and force fields of the polymer systems, bringing this complex problem within computational reach. Optimized ML models will be integrated into Molecular Dynamics and innovative Monte Carlo simulations at the CG level, with the latter enabling the equilibration up to high molecular weight of polymers of complex chemical constitution, and the prediction of their micro- and macroscopic behaviour. Molecular simulation results will be integrated into macroscopic equation-of-state-based models, resulting in a bottom-up determination of the relevant process parameters for membrane separations (permeability and selectivity) in a wide range of conditions, for pure gases and gas mixtures. Systematic hierarchical modelling provides unique property prediction means, simultaneously shedding light on the mechanisms that are responsible for the materials end-use performance. This is a stepping stone towards the rational design of advanced processes from the molecular level all the way up to industrial applications, which in the present case involve novel separation technologies with great environmental impact.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
15341 Agia Paraskevi
Griechenland