Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Modeling disorder in crystalline materials using systematically improvable correlated methods

Descrizione del progetto

Alla scoperta dei segreti dei materiali complessi

I materiali disordinati come le leghe ad alta entropia, i superconduttori e le superfici catalitiche svolgono un ruolo cruciale nella tecnologia, ma le loro interazioni elettroniche complesse rendono difficile modellarli con precisione. I metodi convenzionali, dominati dalla teoria del funzionale della densità (TFD), spesso risultano insufficienti. Partendo da tali premesse, il progetto Correlated_Disorder, finanziato dal CER, svilupperà nuovi strumenti di chimica quantistica ab initio. Combinando le tecniche funzionali di Green, l’apprendimento automatico e modelli matematici avanzati, il progetto consentirà di svolgere simulazioni accurate ed economiche di sistemi disordinati. Integrando questi metodi con la dinamica molecolare e creando modelli per progettare funzionali TFD migliori, Correlated_Disorder promette approfondimenti più dettagliati sui materiali correlati e apre la strada a strumenti computazionali di nuova generazione nella chimica quantistica e nella scienza dei materiali.

Obiettivo

This proposal aims to advance the modeling of disordered correlated-electron materials by developing novel ab-initio quantum chemistry methods that challenge the prevailing dominance of density functional theory (DFT) in this area. By harnessing recent breakthroughs in Green's function techniques, machine learning, and advanced mathematical models, we propose a comprehensive suite of tools for predicting spectral and thermodynamic properties of disordered materials.
The methods developed in this proposal, based on finite temperature Green’s function approaches, will enable accurate and cost-effective simulations of disordered systems, overcoming the limitations of current approaches which rely predominantly on DFT. The proposed techniques will facilitate the study of a wide range of materials where disorder is a key factor, such as high entropy alloys, superconductors, and catalytic surfaces. Additionally, we will develop machine learning models trained on ab-initio Green's function data and integrate them with ab-initio molecular dynamics to study dynamic processes in disordered systems. Finally, we will also deliver tools for learning material specific DFT functionals from the ab-initio Green’s function data providing an insight into the functional design.

This project aims to open new frontiers in quantum chemistry and materials science, fostering interdisciplinary collaborations and providing a foundation for the next generation of computational tools. The anticipated outcomes include enhanced predictive capabilities for disordered systems and improved insights into the design of DFT functionals, contributing significantly to the fundamental scientific understanding of correlated materials.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2024-ADG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

UNIWERSYTET WARSZAWSKI
Contributo netto dell'UE
€ 3 500 000,00
Indirizzo
KRAKOWSKIE PRZEDMIESCIE 26/28
00-927 Warszawa
Polonia
Regione
Makroregion województwo mazowieckie Warszawski stołeczny Miasto Warszawa
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Beneficiari (1)