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

Modeling disorder in crystalline materials using systematically improvable correlated methods

Opis projektu

Odkrywanie tajemnic złożonych materiałów

Materiały nieuporządkowane, w tym stopy o wysokiej entropii, nadprzewodniki i powierzchnie katalityczne, odgrywają kluczową rolę w technologii. Jednak złożone oddziaływania elektronowe utrudniają ich precyzyjne modelowanie. Konwencjonalne metody, w tym teoria funkcjonału gęstości (DFT), często zawodzą. W tym kontekście zespół finansowanego przez ERBN projektu Correlated_Disorder opracuje nowe narzędzia chemii kwantowej ab initio. Łącząc techniki funkcji Greena, uczenie maszynowe i zaawansowane modele matematyczne, badacze umożliwią przeprowadzenie dokładnych i opłacalnych symulacji nieuporządkowanych systemów. Integrując te metody z dynamiką molekularną i tworząc modele służące do projektowania lepszych funkcjonałów DFT, zespół projektu Correlated_Disorder może pogłębić naszą wiedzę na temat skorelowanych materiałów i utorować drogę dla narzędzi obliczeniowych następnej generacji w chemii kwantowej i materiałoznawstwie.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2024-ADG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

UNIWERSYTET WARSZAWSKI
Wkład UE netto
€ 3 500 000,00
Adres
KRAKOWSKIE PRZEDMIESCIE 26/28
00-927 Warszawa
Polska
Region
Makroregion województwo mazowieckie Warszawski stołeczny Miasto Warszawa
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
Brak danych

Beneficjenci (1)