Projektbeschreibung
Wie molekulare Mechanismen die Selbstorganisation von Materialien steuern
In der Natur dient Selbstorganisation dem Bau von faszinierenden supramolekularen Materialien wie beispielsweise Mikrotubuli und Proteinfilamenten, die sich selbst heilen, rekonfigurieren, anpassen oder dynamisch auf bestimmte Reize reagieren können. Für viele Anwendungen liegt ein vielversprechender Ansatz darin, synthetische (polymere) supramolekulare Materialien zu entwickeln, die über ähnliche biologisch inspirierte Eigenschaften verfügen und denselben Prinzipien der Selbstorganisation folgen. Ihr rationales Design erfordert jedoch ein detailliertes Verständnis der den Selbstorganisationsprozess steuernden molekularen Mechanismen, was in der Regel experimentell sehr schwer realisierbar ist. Das EU-finanzierte Projekt DYNAPOL wird den molekularen Ursprung des biologisch inspirierten Verhaltens dieser Materialien besser aufklären und setzt dabei auf massive Multiskalenmodellierung, moderne Simulationen und maschinelles Lernen. Die Forschungsergebnisse werden zu grundlegenden Modellen für das rationale Design von künstlichen dynamischen Materialien mit steuerbaren biologisch inspirierten Eigenschaften hinführen.
Ziel
Nature uses self-assembly to build fascinating supramolecular materials, such as microtubules and protein filaments, that can self-heal, reconfigure, adapt or respond to specific stimuli in dynamic way. Building synthetic (polymeric) supramolecular materials possessing similar bioinspired properties via the same self-assembly principles is interesting for many applications. But their rational design requires a detailed comprehension of the molecular determinants controlling the assembly (structure, dynamics and properties) that is typically very difficult to reach experimentally.
The aim of this project is to obtain structure-dynamics-property relationships to learn how to control the dynamic bioinspired properties of supramolecular polymers. I propose to unravel the molecular origin of the bioinspired behavior through massive multiscale modeling, advanced simulations and machine learning. First, we will develop ad hoc molecular models to study monomer assembly and the supramolecular structure of various types of self-assembled materials on multiple scales. Second, using advanced simulation approaches we will characterize the supramolecular dynamics of these materials (dynamic exchange of monomers) at high (submolecular) resolution. We will then study bioinspired properties such as the ability of various supramolecular materials to self-heal, adapt or reconfigure dynamically in response to specific stimuli. Our models will be systematically validated by comparison with the experimental evidence from our collaborators. Finally, we will use machine learning approaches to analyze our high-resolution simulations and to identify the key monomer features that control and determine the structure, dynamics and dynamic properties of a supramolecular material (i.e. structure-dynamics-property relationships). This research will produce unprecedented insight and fundamental models for the rational design of artificial dynamic materials with controllable bioinspired properties.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-COG - Consolidator GrantGastgebende Einrichtung
10129 Torino
Italien