Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

A novel chemical discovery platform enabled by machine learning

Descripción del proyecto

Aprendizaje automático e inteligencia artificial para el descubrimiento químico

El descubrimiento y la formulación de nuevos fármacos, antivíricos, antibióticos, catalizadores, materiales para baterías y productos químicos con propiedades a medida requieren un cambio de paradigma fundamental a fin de explorar en las aguas ignotas del vasto espacio químico. El proyecto DISCOVERER, financiado con fondos europeos, se propone promover dicho cambio partiendo de unos parámetros predefinidos a partir de los cuales se podrán diseñar nuevas especies químicas con el aprendizaje automático y los algoritmos de inteligencia artificial. Este concepto innovador se integrará en una plataforma comercial. El objetivo principal del proyecto es finalizar el desarrollo de una versión alfa de esta plataforma, denominada «Chemical Space Machine», y determinar su estrategia de comercialización.

Objetivo

Computational design and discovery of molecules and materials relies on the exploration of increasingly growing chemical spaces. The discovery and formulation of new drugs, antivirals, antibiotics, catalysts, battery materials, and in general chemicals with tailored properties, require a fundamental paradigm shift to search in unchartered swaths of the vast chemical space. This is in stark contrast to current approaches, which start from (commercially available) libraries of compounds from various suppliers. Within the ERC Consolidator grant BeStMo (grant agreement ID 725291) we aimed to substantially advance our ability to model and understand the behaviour of molecules in complex environments. As a result, we successfully developed a set of machine learning and physics-based methods for covalent and non-covalent interactions that now allow an accurate and efficient modelling of molecules of increasing size (from 10 to 1000 atoms). These methods now enable routine calculations of quantum-mechanical properties of molecules throughout chemical compound space, provided that enough reference data is produced as a starting point for training. Within DISCOVERER, we aim to promote a paradigm shift in chemical discovery by inverting the selection pyramid by starting with pre-defined parameters from which new chemical entities are designed through machine learning and AI-enabled algorithms. We can do so by integrating these modules into a commercial platform: “Chemical Space Machine”. DISCOVERER’s main goal is to finalize the development of a commercial alpha version of “Chemical Space Machine” and setting up its commercialisation strategy.

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

ERC-POC - Proof of Concept Grant

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) ERC-2020-PoC

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

UNIVERSITE DU LUXEMBOURG
Aportación neta de la UEn
€ 150 000,00
Dirección
2 PLACE DE L'UNIVERSITE
4365 ESCH-SUR-ALZETTE
Luxemburgo
Región
Luxembourg Luxembourg Luxembourg
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
Sin datos

Beneficiarios (1)