Descrizione del progetto
Verso una progettazione più efficiente delle membrane polimeriche
Il progetto ML-MULTIMEM, finanziato dal programma di azioni Marie Skłodowska-Curie, ha come obiettivo l’integrazione di algoritmi IA nelle metodologie di simulazione molecolare multiscala per i polimeri, al fine di promuovere l’innovazione nelle membrane a base di polimeri per la riduzione delle emissioni di gas serra. Verrà sviluppata una strategia di simulazione gerarchica per modellizzare in modo efficiente le proprietà dei materiali su più scale: atomica, mesoscopica e macroscopica. L’approccio di modellizzazione supportato dall’apprendimento automatico sarà usato per estrarre sistematicamente accurate rappresentazioni a grana grossa e campi di forza per sistemi polimerici, estendendo l’applicabilità e la generalizzazione di tali nuove tecniche di simulazione molecolare a una gamma di sistemi chimici complessi importanti per diverse applicazioni critiche. Le simulazioni molecolari saranno inoltre abbinate a modelli di continuo per lo sviluppo di un quadro generale di previsione multicomponente.
Obiettivo
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.
Campo scientifico
Parole chiave
Programma(i)
Argomento(i)
Meccanismo di finanziamento
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinatore
15341 Agia Paraskevi
Grecia