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

machine learning enhanced Ab Initio Mesoscale electrochemical Simulator

Descrizione del progetto

Un nuovo strumento affronta i limiti della modellizzazione dei materiali per le energie rinnovabili

Lo sviluppo di materiali per batterie e celle a combustibile avanzate si è tradizionalmente basato su cicli sperimentali di prova ed errore lenti e ad alto consumo di risorse. Sebbene la progettazione digitale contribuisca alla creazione di queste tecnologie ecocompatibili, le simulazioni attuali falliscono a livello di mesoscala: i modelli atomistici sono altamente accurati ma troppo lenti, mentre i modelli a continuum sono veloci ma troppo imprecisi. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto AIMS introdurrà un nuovo simulatore che integra dati molecolari dettagliati in modelli di simulazione più veloci. Lo strumento proposto sarà convalidato su sistemi sempre più complessi, partendo da semplici superfici d’oro per arrivare a catalizzatori realistici a base di nanoparticelle di platino. In definitiva, questo strumento accelererà i cicli di ricerca e sviluppo, consentendo la progettazione di dispositivi per l’energia rinnovabile a basso costo e altamente stabili.

Obiettivo

The transition to a sustainable energy future depends on advanced electrochemical technologies such as batteries and fuel cells. However, the development of critical materials and interfaces for these devices is often hindered by a laborious and resource-intensive cycle of experimental trial-and-error. While a paradigm shift towards in silico rational design is underway, a significant gap persists in modeling these electrochemical interfaces at the mesoscale (1-100 nm) with predictive accuracy. Current computational methods are either too slow for this scale, like atomistic simulations, or too inaccurate, like continuum models. The AIMS project will bridge this critical gap by developing a novel computational framework: the machine learning-enhanced Ab Initio Mesoscale electrochemical Simulator (AIMS). This framework will systematically embed microscopic information from molecular dynamics simulations into efficient continuum models, synergistically combining the researcher's data-driven expertise with the host's physics-driven theoretical approach. The resulting tool will be validated on systems of increasing complexity, from simple gold surfaces to realistic platinum nanoparticle catalysts. The long-term impact of this work is substantial; it will establish a new scientific framework for electrochemical modeling, accelerate the economic R&D cycle for energy technologies, and ultimately contribute to a more sustainable future by enabling the design of low-cost, high-stability renewable energy devices.

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

FORSCHUNGSZENTRUM JULICH GMBH
Contributo netto dell'UE
€ 202 125,12
Costo totale
Nessun dato