Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Machine Learning-aided Multiscale Modelling Framework for Polymer Membranes

Description du projet

Vers une conception plus efficace des membranes polymères

Financé par le programme Actions Marie Skłodowska-Curie, le projet ML-MULTIMEM a pour ambition d’intégrer des algorithmes d’IA dans des méthodologies de simulation moléculaire multi-échelles destinées aux polymères, afin de faire progresser l’innovation en ce qui concerne les membranes à base de polymères, en vue de réduire les émissions de gaz à effet de serre. Une stratégie de simulation hiérarchique sera développée pour modéliser efficacement les propriétés des matériaux à différentes échelles: atomique, mésoscopique et macroscopique. L’approche de modélisation assistée par l’apprentissage automatique sera employée pour extraire systématiquement des représentations et des champs de force précis à gros grains pour les systèmes polymères, étendant ainsi l’applicabilité et la généralisation de ces nouvelles techniques de simulation moléculaire à toute une série de systèmes chimiques complexes importants pour plusieurs applications critiques. Les simulations moléculaires seront également couplées à des modèles continus pour développer un cadre général de prédiction multicomposant.

Objectif

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.

Champ scientifique (EuroSciVoc)

CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/fr/web/eu-vocabularies/euroscivoc.

Vous devez vous identifier ou vous inscrire pour utiliser cette fonction

Mots‑clés

Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

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

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2020

Voir tous les projets financés au titre de cet appel

Coordinateur

"NATIONAL CENTER FOR SCIENTIFIC RESEARCH ""DEMOKRITOS"""
Contribution nette de l'UE

La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.

€ 153 085,44
Adresse
END OF PATRIARCHOU GRIGORIOU E AND 27 NEAPOLEOS STREET
15 341 AGIA PARASKEVI
Grèce

Voir sur la carte

Région
Αττική Aττική Βόρειος Τομέας Αθηνών
Type d’activité
Research Organisations
Liens
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

€ 153 085,44
Mon livret 0 0