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

High-throughput Discovery of Catalysts for the Hydrogen Economy through Machine Learning

Opis projektu

Nowe rozwiązania w zakresie produkcji i magazynowania energii wodorowej

W miarę jak świat przechodzi na czystsze źródła energii, wodór stał się obiecującym kandydatem ze względu na unikalne połączenie skalowalności, długoterminowego przechowywania i przenośności. Jednak jego powszechne zastosowanie wiąże się z poważnym wyzwaniem: produkcją wodoru z wody i wytwarzaniem energii poprzez utlenianie wodoru do wody. Przy wsparciu działania „Maria Skłodowska-Curie” badacze z projektu HighHydrogenML wykorzystają narzędzia sztucznej inteligencji do opracowania wysokoprzepustowej strategii odkrywania związków międzymetalicznych do wydajnej produkcji energii wodorowej. Ogólnym celem projektu, prowadzonego przez multidyscyplinarny zespół ekspertów, jest przyspieszenie odkrycia nowych związków międzymetalicznych do zastosowań katalitycznych, co otworzy nowe możliwości w dziedzinie wykonalnej i wydajnej gospodarki wodorowej ze znacznymi korzyściami dla środowiska.

Cel

Hydrogen energy storage offers a unique combination of scalability, long-term storage, and portability, leading to the so-called hydrogen economy. The major challenge in the hydrogen economy is related to the production of hydrogen from water and the generation of energy by the oxidation of hydrogen into water. In this regard, the main objective of the project High-throughput Discovery of Catalysts for the Hydrogen Economy through Machine Learning (HighHydrogenML) is to develop a high-throughput strategy based on first principles calculations and artificial intelligence tools to discover intermetallic compounds whose catalytic activity can be tuned to reach an optimum catalytic performance for the Hydrogen Evolution Reaction (HER) and Oxygen Reduction Reaction (ORR) by means of elastic strain engineering. The successful completion of these objectives will provide unique information for experimental synthesis of intermetallic compounds with high catalytic activity for the HER and ORR and could, therefore, open a new avenue for a feasible and efficient hydrogen economy. Moreover, the strategies and tools developed in this project can be applied later to many other catalytic processes of large industrial and/or environmental interest. To achieve these goals, the project HighHydrogenML involves multidisciplinary expertise in solid state physics, materials science, machine learning, and chemistry that will be coupled in a seamless framework to exploit the high predictive power of ab initio calculations in conjunction with the efficiency of ML models. Therefore, this project brings together a researcher with expertise in atomistic and materials modelling within a broad range of different computational chemistry methods and artificial intelligence techniques, a world-recognized supervisor in the area of multiscale modelling of materials, and a research institute with a record of excellence, technology transfer, and top-level training in Materials Science and Engineering.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2022-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

FUNDACION IMDEA MATERIALES
Wkład UE netto
€ 174 222,96
Adres
CALLE ERIC KANDEL 2 PARQUE CIENTIFICO Y TECNOLOGICO TECNOGETAFE
28906 Getafe
Hiszpania
Region
Comunidad de Madrid Comunidad de Madrid Madrid
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity
Brak danych