Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Machine Learning-aided Multiscale Modelling Framework for Polymer Membranes

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 (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: https://op.europa.eu/pl/web/eu-vocabularies/euroscivoc.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) H2020-MSCA-IF-2020

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

"NATIONAL CENTER FOR SCIENTIFIC RESEARCH ""DEMOKRITOS"""
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

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

Zobacz na mapie

Region
Αττική Aττική Βόρειος Τομέας Αθηνών
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 153 085,44
Moja broszura 0 0