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

Autonomous optimisation of general conditions for novel reaction

Descrizione del progetto

Identificazione efficiente e autonoma delle condizioni di reazione migliori

La scoperta delle condizioni ottimali per nuove reazioni chimiche si è basata tradizionalmente su una sperimentazione lenta e costosa, con tentativi ed errori, in un vasto spazio chimico. Grazie al sostegno del programma di azioni Marie Skłodowska-Curie, il progetto AOGCNR si propone di trasformare questo processo integrando due tecniche potenti: i «laboratori a guida autonoma», ovvero sistemi di ricerca autonomi che integrano intelligenza artificiale, robotica e strumentazione automatizzata, e l’ottimizzazione bayesiana potenziata da modelli linguistici di grandi dimensioni, che individua in modo efficiente la soluzione migliore a problemi complessi e definiti in modo poco chiaro. Grazie a questi strumenti, AOGCNR si propone di ridurre del 97 % oltre tre milioni di possibili combinazioni in un vasto spazio chimico e quindi di identificare autonomamente le condizioni di reazione con prestazioni ottimali su più substrati: un progresso significativo rispetto agli approcci basati su un substrato singolo.

Obiettivo

This proposal, AOGCNR, proposes to develop a fully autonomous, data-driven methodology for optimising general conditions for a novel organic catalysis reaction. It integrates a self-driving laboratory (SDL) with a Large Language Model (LLM)-enhanced Bayesian Optimisation framework, combining cutting-edge robotics, machine learning and expert chemical reasoning. A two-phase approach is proposed. The first phase uses a statistical pipeline to screen a vast chemical space of over 3 million combinations, reducing it by over 97% to a manageable subspace. The second phase deploys the LLM-enhanced Bayesian Optimisation algorithm within this refined space to autonomously identify general reaction conditions that perform well across multiple substrates. This approach represents a significant advancement over current methods, which typically focus on single-substrate optimisation. The methodology will be validated on both a known reaction and a novel cyclisation discovered by researchers at the University of Liverpool, demonstrating its ability to accelerate the discovery of novel catalytic reactions.

This project's impact is significant on multiple levels. It advances chemical research by enabling data-efficient exploration of complex reaction spaces. Societally, it democratises access to advanced chemistry tools. Economically, this approach offers a scalable and cost-effective alternative to traditional trial-and-error methods, streamlining industrial research and development, and contributing to more sustainable and efficient innovation.

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

THE UNIVERSITY OF LIVERPOOL
Contributo netto dell'UE
€ 260 347,92
Indirizzo
BROWNLOW HILL 765 FOUNDATION BUILDING
L69 7ZX LIVERPOOL
Regno Unito
Regione
North West (England) Merseyside Liverpool
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato