Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Generative machine learning for combined process control and materials design

Projektbeschreibung

Vom Verfahren bis zur Leistung KI-gestützte Materialien

Die Entdeckung neuer Materialien erfordert in der Regel ein fortwährendes Experimentieren, etwa durch das Ändern von Temperaturen, Drücken oder Lösungsmitteln in der Hoffnung auf einen Durchbruch. Die Wechselbeziehungen zwischen der Herstellung eines Materials, seiner Struktur und seiner letztlichen Leistung sind nach wie vor undurchsichtig. Mit dem EU-finanzierten Projekt GEMPROMISE soll diese Tendenz umgekehrt werden. Es werden insbesondere Versuche mit hohem Durchsatz, fortgeschrittene Simulationen und maschinelles Lernen kombiniert. Über das Projekt wird ein generatives System mit geschlossenem Kreislauf aufgebaut, das Verarbeitungsbedingungen vorschlägt und in Echtzeit erprobt. Hierdurch sollen Versuch-und-Irrtum-Verfahren durch Vorhersagen ersetzt werden und nachhaltige synthetische Schichtsilikate mit abstimmbaren elektronischen Eigenschaften für die Energiewende und weitere Anwendungsbereiche geschaffen werden.

Ziel

GEMPROMISE aims to tackle the grand challenge of materials science, namely to identify the process parameters leading to a structure with targeted properties and performance. Compared to the current trial-and-error approach, mastering the Process-Structure-Property-Performance (Proc.→Struc.→Prop.→Perf.) relationships would speed up materials discovery with a huge societal impact (e.g. for energy transition). From a fundamental standpoint, there is no theory for these relationships. Thanks to highthroughput (HT) ab initio simulations, Struc.→Prop. (and hence Prop.→Perf.) can be well predicted and machine-learning (ML) approaches have been recently used as much faster surrogate models. But the simulation of the complete Proc.→Struc. is still out of reach, and ML approaches are hindered by the lack of data given the vast amount of possible process paths.
GEMPROMISE will establish a generative active learning approach to suggest process parameters leading to targeted properties, promoting a physical and chemical understanding of Proc.→Struc.→Prop.→Perf., as ultimate goal. Its key ideas emerged in a synergistic brainstorming between AYMONIER (experiments), RIGNANESE (simulations), and VANDERGHEYNST (ML): (i) a multimodal ML model will be developed to leverage experiments and simulations as direct and indirect data providers of varying quantity and quality, integrating these modalities through a joint latent space allowing for generation, (ii) a HT synthesis and characterization platform will be designed to close the loop and respond to the ML model queries, and (iii) a HT simulation framework will be devised for predicting Struc.→Prop. information to complement experiments.
To illustrate the concept, GEMPROMISE will give birth to a bottom-up, sustainable, and scalable method to produce new synthetic layered silicates with controllable band gaps. Once established, this approach can be extended to other processes, structures, properties, and hence applications.

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: Das European Science Vocabulary.

Dieses Projekt wurde noch nicht bei EuroSciVoc klassifiziert.
Schlagen Sie die Wissenschaftsbereiche vor, die Ihrer Einschätzung nach besonders relevant sind, und helfen Sie uns, unseren Klassifizierungsdienst zu verbessern.

Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen

Schlüsselbegriffe

Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

HORIZON-ERC-SYG - HORIZON ERC Synergy Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

(öffnet in neuem Fenster) ERC-2025-SyG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
Netto-EU-Beitrag

Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.

€ 3 693 996,25
Adresse
RUE MICHEL ANGE 3
75794 PARIS
Frankreich

Auf der Karte ansehen

Region
Ile-de-France Ile-de-France Paris
Aktivitätstyp
Research Organisations
Links
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

€ 3 693 996,25

Begünstigte (3)

Mein Booklet 0 0