Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Machine Learning-aided Multiscale Modelling Framework for Polymer Membranes

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 (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/it/web/eu-vocabularies/euroscivoc.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) H2020-MSCA-IF-2020

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

"NATIONAL CENTER FOR SCIENTIFIC RESEARCH ""DEMOKRITOS"""
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

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

Mostra sulla mappa

Regione
Αττική Aττική Βόρειος Τομέας Αθηνών
Tipo di attività
Research Organisations
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 153 085,44
Il mio fascicolo 0 0