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

LIMG: Artificial Intelligence-Driven High-Fidelity Inverse Design of Solid-State Electrolytes

Descrizione del progetto

Una progettazione basata sull’intelligenza artificiale di materiali energetici ad alte prestazioni

Gli elettroliti allo stato solido sono fondamentali per lo stoccaggio sostenibile dell’energia; ciononostante, il loro sviluppo è ostacolato dalla bassa efficienza e dagli elevati costi di sperimentazione. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto LIMG mira a lanciare una piattaforma denominata «Loop-Locked Intelligent Material Generation», un sistema basato sull’intelligenza artificiale (IA) progettato per accelerare la scoperta di materiali ad alte prestazioni. Utilizzando tecniche specializzate di apprendimento automatico per simulare il movimento del litio con elevata fedeltà, il progetto mira a superare i limiti dei calcoli tradizionali, che sono lenti e costosi. LIMG si prefigge inoltre la creazione di un’enorme banca dati di materiali riutilizzabile e l’impiego dell’IA generativa per progettare nuovi elettroliti con proprietà specifiche, con l’obiettivo finale di rivoluzionare il modo in cui creiamo i materiali energetici, accelerando la transizione verso tecnologie a basse emissioni di carbonio e formando al contempo la prossima generazione di leader nella scienza basata sull’IA.

Obiettivo

Solid-state electrolytes (SSEs) promise to revolutionize energy storage and carbon-neutral mobility industries, but their low ionic conductivity remains a barrier. Discovery of high-performance SSEs is hindered by a lack of high-quality lithium-diffusion data, unclear structure-property understanding, and the high cost of traditional computational screening. This project aims to build a Loop-Locked Intelligent Material Generation (LIMG) platform by coupling a pre-trained machine learning force field (MLFF) called SO3LR-SSE with advanced generative models. SO3LR-SSE explicitly incorporates non-local and many-body interactions to improve the fidelity of dynamic SSE databases and the transferability across diverse material systems. The project includes four main work packages (WPs 1-4, LIMG platform) plus one for data management, career development, and dissemination. WP1 will develop a high-fidelity, transferable MLFF for SSEs to speed up Li-diffusion dynamics simulations, forming the basis for generating a comprehensive SSE database of ionic conductivities in WP2. WP3 will use ML and the database to accurately predict ionic conductivity and elucidate structure-property relationships. WP4 will focus on inverse SSEs design with clear physical interpretability based on generative models. LIMG is expected to generate a large, reusable dataset and rapidly identify novel candidates across global chemical spaces for experimental follow-up. A planned secondment at TU Berlin will support MLFF development in a collaborative environment. For the fellow, this project will significantly strengthen skills in advanced AI algorithm development, materials design, and interdisciplinary collaboration, strengthening prospects for leadership in AI-driven materials research. LIMG aspires to be widely expanded to material systems, advancing innovative, interpretable, high-fidelity design of new energy materials and accelerating deployment of low-carbon energy storage technologies.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European 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-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITE DU LUXEMBOURG
Contributo netto dell'UE
€ 200 400,00
Indirizzo
2 PLACE DE L'UNIVERSITE
4365 ESCH-SUR-ALZETTE
Lussemburgo
Regione
Luxembourg Luxembourg Luxembourg
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partner (1)