Opis projektu
Prace nad bardziej efektywnym projektowaniem membran polimerowych
Projekt ML-MULTIMEM, finansowany w ramach programu działań „Maria Skłodowska-Curie”, zakłada połączenie algorytmów sztucznej inteligencji z metodami wieloskalowej symulacji molekularnej polimerów, aby przyspieszyć tworzenie innowacji w dziedzinie membran na bazie polimerów i przyczynić się do zmniejszenia emisji gazów cieplarnianych. Powstanie hierarchiczna strategia symulacji, umożliwiająca efektywne modelowanie właściwości materiałów w skali atomowej, mezoskopowej i makroskopowej. Podejście do modelowania wspomagane uczeniem maszynowym posłuży do systematycznego pozyskiwania dokładnych, zgrubnych reprezentacji i pól siłowych dla układów polimerowych, co rozszerzy możliwości zastosowania i uogólnienia tych nowatorskich technik symulacji molekularnej na szereg złożonych układów chemicznych, istotnych dla wielu krytycznych zastosowań. Symulacje molekularne zostaną również połączone z modelami kontinuum w celu opracowania ogólnych ram prognozowania wieloskładnikowego.
Cel
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.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
15341 Agia Paraskevi
Grecja