Projektbeschreibung
Entschlüsselung der molekularen Mechanismen von organischen leitfähigen Materialien für Gesundheits- und Energieanwendungen
Organische Materialien als biologische Sensoren, Elektroden und memristive Bauelemente bieten vielversprechende Möglichkeiten für die medizinische Diagnostik, Behandlung, Energiespeicherung und neuromorphes Rechnen. Diese Anwendungen beruhen auf organischen, gemischt ionisch-elektronischen Leitern, die Ionenströme in elektronische Signale umwandeln. Die molekularen Mechanismen, die ihren Eigenschaften zugrunde liegen, sind jedoch nach wie vor nicht bekannt. Im über die Marie-Skłodowska-Curie-Maßnahmen unterstützten Projekt MIXCONDUCTORS sollen organische gemischt ionisch-elektronische Leiter mithilfe von maschinellem Lernen und Multiskalensimulationen charakterisiert werden, um molekulare Mechanismen aufzudecken und Leitlinien für das Materialdesign zu ermitteln. Dieser Ansatz dürfte die Effizienz der Berechnungen verbessern und die Vorhersage von Eigenschaften im Gerätemaßstab erleichtern. MIXCONDUCTORS soll durch die Vermittlung eines umfassenden Verständnisses der Eigenschaften solcher Materialien die Entwicklung fortschrittlicher Materialien für die Gesundheit und für nachhaltige Energielösungen leiten.
Ziel
The promise of organic materials as biological sensors, electrodes, and memristive devices creates outstanding opportunities for medical diagnosis and treatment, energy storage, as well as neuromorphic computing. At the core of these applications are organic polymers that efficiently support both ionic and electronic transport and therefore are called organic mixed ionic-electronic conductors. These materials’ enabling feature is their ability to convert ionic currents into electronic signals, and vice versa. However, our understanding of these materials is incomplete and the molecular mechanisms underpinning their properties remain elusive. In MIXCONDUCTORS, I will describe and characterize mixed ionic-electronic conductors using machine learning-enhanced multiscale simulations to unravel molecular mechanisms and identify material design guidelines. I propose to use specific machine learning surrogate models to develop a new multiscale method with dramatically increased computational efficiency, unlocking the possibility of bottom-up simulations able to predict device-scale properties. The proposed multiscale method will be used to characterize in silico the growing library of organic mixed conductors, allowing me to uncover their common and/or unique strengths and discover material design guidelines. Finally, together with experimental collaborators, I will be in the position to unravel the molecular mechanisms underpinning some of mixed conductors’ unique properties, enabling me to formulate application-targeted material design guidelines. In summary, MIXCONDUCTORS will provide detailed and unprecedented understanding of the molecular mechanisms behind the functioning of emerging organic mixed ionic-electronic conductors, thereby informing the rational design of improved materials with ramifications for the development of devices that improve health and well-being and enable a future with clean and affordable energy.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenChemiewissenschaftenPolymerwissenschaft
- Technik und TechnologieElektrotechnik, Elektronik, InformationstechnikElektrotechnikSensoren
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) HORIZON-MSCA-2023-PF-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-EF -Koordinator
5612 AE Eindhoven
Niederlande