Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

DISCOVERER

Financiado

A novel chemical discovery platform enabled by machine learning

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, an... ver más

28/02/2023

uni.lu

150K€

Presupuesto del proyecto: 150K€

Líder del proyecto

UNIVERSITE DU LUXEMBOURG No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Ver 2 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2023-02-28

ERC-2020-POC: Call for proposals for ERC Proof of...

I+D

Cerrada hace 4 años

0% 100% 100%

2 Participantes

uni.lu

150.00K€ | Lider

VIÑEDOS DE ALDEANUEVA SOCIED...

145.84K€ | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

MAT2008-04834 PEPTIDOS E INTERACCIONES MOLECULARS: ESTRATEGIAS DE CALCULO... 61K€ Cerrado

CTQ2017-88777-R ABORDANDO REACTIVIDAD COMPLEJA DESDE LA QUIMICA COMPUTACIONA... 94K€ Cerrado

PID2021-128128NB-I00 EXPLORACION DE HERAMIENTAS DE APRENDIZAJE AUTOMATICO EN CATA... 103K€ Cerrado

PTQ2021-011724 Desarrollo de una plataforma de aprendizaje automático para... 70K€ Cerrado

PID2019-104148GB-I00 NUEVAS HERRAMIENTAS SINTETICAS Y QUIMIOINFORMATICAS PARA LA... 97K€ Cerrado

CTQ2009-14541-C02-02 ESTUDIOS TEORICOS DE CATALISIS BIOLOGICA. METODOLOGIA Y APLI... 171K€ Cerrado

Duración del proyecto: 24 meses Fecha Inicio: 2021-02-04
Fecha Fin: 2023-02-28

Líder del proyecto

UNIVERSITE DU LUXEMBOURG No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 150K€

Descripción del proyecto 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.

Conecta tu I+D

Entra hoy

¿Olvidó su contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores