Description du projet
Faire avancer la modélisation des réactions chimiques
La modélisation précise des réactions chimiques demeure un défi de taille dans le domaine de la chimie, en particulier pour les réactions stéréo et régiosélectives. Les techniques actuelles d’apprentissage automatique ont excellé dans la modélisation moléculaire mais peinent encore à prévoir les voies de réaction complexes essentielles à une synthèse durable, telles que l’organocatalyse asymétrique et la biocatalyse. Le projet DeepRxn financé par le CER se propose de combler cette lacune en développant des cadres d’apprentissage profond innovants et axés sur les données qui améliorent la modélisation des réactions organiques et enzymatiques. En concentrant ses efforts sur la chimiosélectivité, la régiosélectivité et la stéréosélectivité, DeepRxn fera appel à des graphes moléculaires, des réseaux neuronaux révolutionnaires et des représentations tridimensionnelles cachées, pour créer une boîte à outils open-source qui prévoit avec précision les énergies d’activation et identifie de nouvelles transformations énantiosélectives pour une synthèse durable.
Objectif
The exploration of reactions is a central topic in chemistry. Compared to the success of machine learning for molecules, the modeling of reactions is lagging behind, especially for stereo- and regioselective reactions. Since current efforts toward sustainable synthesis such as asymmetric organocatalysis or biocatalysis rely on the accurate prediction of enantio- and regioselective reaction pathways, new modeling approaches are needed. The proposed project aims toward developing new, data-driven deep learning frameworks for modeling organic and enzymatic reactions, focusing on chemo-, regio-, and stereoselectivity arising through intermolecular interactions with the reagent, solvent, or catalyst. In detail, we target the rule-free, stereochemistry-aware modeling and subsequent experimental validation of asymmetric organocatalysis to identify new enantioselective transformations, the exploration of new biocatalytic synthesis pathways including enzymatic cascades, and the accurate prediction of activation energies via developing new deep learning approaches. We will expand molecular graph-convolutional neural networks and graph transformers to reactions in a rule-free manner, and introduce hidden three-dimensional representations to account for stereochemistry and intermolecular interactions, yielding a versatile, open-source toolbox for reaction deep learning. This approach largely surpasses current approaches, which rely on two-dimensional representations, reaction rules, or three-dimensional input data, in offering the opportunity to model three-dimensional aspects and atom-mapping on-the-fly, for the first time, representing a significant breakthrough in this field. Its experimental validation campaign further allows for a direct application to the identification of new asymmetric organocatalytic transformations, as well as enzymatic cascades including cofactor recycling and side-product reduction, addressing the current need for more sustainable synthesis.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
La classification de ce projet a été validée par l'équipe qui en a la charge.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
La classification de ce projet a été validée par l'équipe qui en a la charge.
- sciences naturelles sciences chimiques chimie organique réaction organique
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage profond
- sciences naturelles sciences chimiques catalyse biocatalyse
- sciences naturelles informatique et science de l'information intelligence artificielle intelligence de calcul
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-ERC - HORIZON ERC Grants
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2024-STG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
1040 Wien
Autriche
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.