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

AI-powered classification of bimolecular reaction mechanisms from kinetic data

Opis projektu

Inteligentne narzędzia dla zrównoważonej chemii bimolekularnej

Zrozumienie mechanizmów reakcji cząsteczek ma kluczowe znaczenie dla rozwoju ekologicznych technologii, jednak tradycyjne metody są powolne i często wymagają znacznych zasobów. Zespół projektu MecAI, realizowanego przy wsparciu z działań „Maria Skłodowska-Curie”, dąży do rozwiązania tego problemu poprzez opracowanie łatwego w użyciu narzędzia opartego na sztucznej inteligencji, które będzie przewidywać złożone mechanizmy reakcji bimolekularnych bezpośrednio na podstawie danych eksperymentalnych. Opierając się na wstępnych badaniach o wysokiej dokładności, badacze rozszerzą te ramy, uwzględniając ponad 1000 różnych ścieżek chemicznych, w tym różne etapy aktywacji i dezaktywacji. Narzędzie, zaprojektowane z myślą o dostępności, ma na celu wspieranie użytkowników bez wiedzy technicznej w ich badaniach, przewyższając obecne możliwości najnowocześniejszych rozwiązań. Ostatecznie ta innowacja mogłaby zastąpić tradycyjne, oparte na metodzie prób i błędów badania przesiewowe, przyspieszając odkrywanie nowych związków chemicznych oraz sprzyjając bardziej wydajnej i zrównoważonej chemii.

Cel

Mechanistic studies in chemistry are fundamental to deepen our knowledge of how organic molecules behave and react, facilitate the optimisation of chemical processes, design innovative catalysts, explore new reactivity, and progress toward greener and more efficient chemistry, while avoiding the risks of traditional hit-or-miss screening methods. Yet, such studies typically demand substantial time and resources and can still yield inconclusive results. These limitations create an urgent need for more efficient approaches, and the rapid rise of artificial intelligence tools developed across many fields is opening powerful new possibilities to meet that need. Proof-of-concept work from Larrosa and Burés shows the potential of AI-based models as powerful tools for assisting kinetic analyses and elucidating reaction mechanisms. In their 2023 Nature paper, they show the possibility of training a deep learning model with data containing a variety of kinetic profiles from several mechanisms and demonstrated up to 99.99% accuracy, even under conditions with simulated experimental errors. While this proof-of-concept work only focuses on a small set of 20 unimolecular reaction mechanisms, our goal is to develop a simple-to-use tool powered by artificial intelligence that predicts bimolecular reaction mechanisms from experimental kinetic data. This project builds on the strong basis established in the published preliminary work and seeks to extend the framework to a new model capable of handling bimolecular reactions and encompassing over 1,000 distinct mechanisms with various activation and deactivation pathways. This tool will be designed for accessibility and will support non-technical users in their mechanistic investigations, and will dramatically surpass current state-of-the-art capabilities.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

THE UNIVERSITY OF MANCHESTER
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 260 347,92
Adres
OXFORD ROAD
M13 9PL Manchester
Zjednoczone Królestwo

Zobacz na mapie

Region
North West (England) Greater Manchester Manchester
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych