European Commission logo
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Machine Learning for Tailoring Organic Semiconductors

Description du projet

Faciliter l’identification et la conception de composants à utiliser dans des semiconducteurs organiques

Le projet MALTOSE, financé par l’UE, combinera la recherche fondamentale sur les matériaux à l’apprentissage automatique pour étudier en détail les propriétés électroniques des semiconducteurs organiques. La méthodologie des chercheurs s’appuiera sur un important réseau neuronal de tenseurs, appelé PredictNet, conçu et formé pour prédire les propriétés électroniques des molécules et des polymères. En outre, il réalise cette tâche pour une fraction du coût numérique par rapport aux calculs de la théorie de la fonctionnelle de la densité et aux mesures expérimentales. Le projet permettra d’identifier et de concevoir des composants prometteurs en dehors de l’immense réserve de molécules et matériaux destinés à des applications dans les cellules solaires photovoltaïques organiques, les larges écrans électroniques, l’électronique organique flexible et les capteurs.

Objectif

“Machine Learning for Tailoring Organic Semiconductors” (MALTOSE) connects fundamental materials research with machine-learning (ML) techniques, focusing on the electronic properties of organic semiconductors. The aim of this innovative project is to discover and design novel materials with exciting properties, the prime example being the design of compounds for better organic photovoltaic cells, i.e. that reach higher power-conversion efficiencies and are more stable and more environmentally friendly.

The methodology relies on a deep tensor neural network, the so-called PredictNet, that is designed and trained to predict electronic properties of molecules and polymers, at a fraction of the numerical cost compared to density-functional theory (DFT) computations, not to mention experimental measurements. PredictNet will be particularly fruitful in combination with a genetic algorithm that will be developed to propose candidate compounds from crossover and mutation from previously successful compounds. MALTOSE will enable the identification and design of promising compounds, out of the immense pool of imaginable molecules and materials, for future technological applications in fields like organic photovoltaic solar cells, large-area electronic displays, flexible organic electronics, or sensors.

The project will bring together the fellow, a recognized quantum physicist and data scientist with academic and industry research experience, and a top research host institution under the supervision of a leading expert in materials science, genetic algorithms, modelling, simulation and knowledge transfer. The fellow will receive an advanced training programme in research skills and complementary non-research-oriented skills in order to enhance his future career prospects and to provide a strong basis for an independent career.

Régime de financement

MSCA-IF-EF-ST - Standard EF

Coordinateur

FUNDACION ICAMCYL
Contribution nette de l'UE
€ 172 932,48
Adresse
POLIGONO INDUSTRIAL EL BAYO, 19
24412 Cubillos Del Sil Leon
Espagne

Voir sur la carte

Région
Centro (ES) Castilla y León León
Type d’activité
Research Organisations
Liens
Coût total
€ 172 932,48