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

A novel chemical discovery platform enabled by machine learning

Descrizione del progetto

Apprendimento automatico e IA al servizio delle scoperte chimiche

La scoperta e la formulazione di nuovi farmaci, antivirali, antibiotici, catalizzatori, materiali per batterie e in generale sostanze chimiche con proprietà su misura richiedono un cambio di paradigma fondamentale che ci porterà a navigare nelle acque inesplorate del vasto spazio chimico. Il progetto DISCOVERER, finanziato dall’UE, mira a promuovere questo cambiamento partendo da parametri predefiniti da cui vengono progettate nuove entità chimiche attraverso l’apprendimento automatico e algoritmi abilitati all’intelligenza artificiale. Il nuovo concetto sarà integrato in una piattaforma commerciale. L’obiettivo principale del progetto è quello di finalizzare lo sviluppo di una versione alfa di questa piattaforma di «Macchina dello spazio chimico» e stabilire la sua strategia di commercializzazione.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

ERC-POC - Proof of Concept Grant

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2020-PoC

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

UNIVERSITE DU LUXEMBOURG
Contributo netto dell'UE
€ 150 000,00
Indirizzo
2 PLACE DE L'UNIVERSITE
4365 ESCH-SUR-ALZETTE
Lussemburgo
Regione
Luxembourg Luxembourg Luxembourg
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Beneficiari (1)