Descripción del proyecto
Aprovechamiento de materiales bidimensionales y aprendizaje profundo para innovaciones energéticas sostenibles
El reto energético mundial, impulsado por un aumento constante del consumo de energía per cápita y una lenta transición hacia fuentes de energía renovables, precisa de atención urgente. La Unión Europea avanza hacia innovaciones energéticas sostenibles, entre las que se encuentran las fuentes de energía renovables, las tecnologías de eficiencia energética y las prácticas de consumo responsable. Para contribuir a este esfuerzo, el equipo del proyecto AI4SPIN, financiado por el Consejo Europeo de Investigación, pretende desarrollar una electrónica de consumo ultrabajo con materiales bidimensionales y heteroestructuras de van der Waals con propiedades cuánticas optimizadas. El equipo aprovechará las redes neuronales profundas y las simulaciones de transporte cuántico para diseñar una herramienta que calcule las eficiencias de acoplamiento espín-órbita. La herramienta, basada en redes neuronales profundas y un optimizador de estructuras asistido por ordenador, allanará el camino hacia innovaciones energéticas más sostenibles y eficientes.
Objetivo
The steady increase in energy consumption per capita and the slow transition toward renewable energy sources is becoming a serious global problem, making energy efficiency paramount for new technologies. Two-dimensional materials offer an encouraging path toward ultra-low-power electronics due to our capability to combine them into Van der Waal heterostructures with tailored quantum properties based on their constituents. The spin-orbit torque (SOT) memories are technological prospects that consume a fraction of conventional memories' power. Still, they offer superior speed and storage capacity and were further improved when using 2D materials as building blocks instead of 3D metallic systems. Recently theoretical efforts demonstrated the existence of thousands of potentially synthesizable 2D materials, opening an exponentially larger pool to mine for optimized heterostructures which brute-force approaches cannot tackle. This project aims at developing artificial intelligence that will propose optimized Van der Waal heterostructures for spin-orbit torques. To this end, we will first construct an automatic material assessment (AUTOMATA) tool based on deep neural networks that will perform numerical modeling and quantum transport simulations autonomously to compute the spin-orbit torque efficiencies. In parallel, we will develop a computer-assisted structure (COMPASS) optimizer that will propose new systems for spin-orbit torques by using an evolutionary strategy. The AUTOMATA tool will rank the candidates generated by the COMPASS optimizer, and we will use those with superior performance to improve the COMPASS optimizer prediction. The successful combination of these tools will accelerate the development of technologies by automatizing the material selection phase through this quantum mechanical optimization process. Although we apply it to spin-orbit torques, it is, with little effort, generalizable to any electrical response functions.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Régimen de financiación
HORIZON-ERC - HORIZON ERC GrantsInstitución de acogida
08193 Cerdanyola Del Valles
España