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

Development of Data-assisted Photo-Organocatalytic Transformations

Descrizione del progetto

Applicazione della scienza dei dati alla progettazione di fotocatalizzatori

La catalisi organo-foto-ossidoriduttiva ha ottenuto un’attenzione notevole nella chimica sostenibile. Questo metodo utilizza coloranti economici, privi di metalli, che possono essere adattati per reazioni specifiche. Tuttavia, prevedere il comportamento di questi coloranti in sistemi diversi è impegnativo. Gli approcci tradizionali si basano spesso su metodi per tentativi ed errori che richiedono molto tempo e denaro. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto PhotoCatData mira ad applicare una soluzione guidata dai dati per ottimizzare la progettazione di fotocatalizzatori e la scoperta di reazioni. Lo studio utilizzerà l’apprendimento automatico per correlare le strutture dei fotocatalizzatori alle loro prestazioni. Successivamente, le metodologie fotochimiche proposte saranno adattate ai processi di flusso, consentendo la produzione efficiente e su larga scala di composti pregiati. Le metodologie del progetto dovrebbero aiutare a risparmiare tempo, a ridurre i costi e a espandere il potenziale della catalisi organo-foto-ossidoriduttiva.

Obiettivo

Photocatalysis is now a well-established method for developing sustainable protocols in synthetic organic chemistry. Organophotoredox catalysis, in particular, is gaining significant interest due the use of inexpensive, easy-to-make, metal-free organic dyes with tunable photophysical properties. Structural modification of these organic molecules is crucial to fine-tune their redox features for desired photochemical transformations. However, predicting the final excited-state properties of functionalized dyes remains challenging, especially when compatibility with the reaction system is required. This has led to a resource-intensive trial-and-error approach to identify the optimal photocatalyst structure for specific transformations, limiting its widespread application. A promising solution is data science, which can streamline the relationship between the chemical structure of dyes and their function, facilitating their application. The computer-assisted development of innovative systems in organophotoredox catalysis can offer novel possibilities for large-scale applications, reducing time, reagent consumption, and costs compared to traditional methods. This proposal aims to develop new data-assisted protocols for reaction discovery and photocatalyst design. During the outgoing phase at the University of Utah, under Prof. Sigman's supervision, machine learning algorithms will be used to correlate photocatalysts' structures with their functions. Classification tools will explore reactivity cliffs, and dimensionality reduction techniques will map the chemical space to visualize reactivity patterns with fewer experiments. In the subsequent return phase at the University of Padova, under Prof. Dell'Amico's supervision, these photochemical methodologies will be adapted for flow processes to produce synthetically relevant compounds on a multi-gram scale. The data science knowledge acquired will guide this transition, enabling a more efficient implementation.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-GF - HORIZON TMA MSCA Postdoctoral Fellowships - Global Fellowships

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

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2024-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITA DEGLI STUDI DI PADOVA
Contributo netto dell'UE
€ 396 991,08
Indirizzo
VIA 8 FEBBRAIO 2
35122 Padova
Italia
Regione
Nord-Est Veneto Padova
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partner (1)