EXPLORACION DE HERAMIENTAS DE APRENDIZAJE AUTOMATICO EN CATALISIS COMPUTACIONAL...
EXPLORACION DE HERAMIENTAS DE APRENDIZAJE AUTOMATICO EN CATALISIS COMPUTACIONAL PARA DISEÑAR TRANSFORMACIONES QUIMICAS SOSTENIBLES
EL CRECIMIENTO DE LA DEMANDA DE NUEVOS MATERIALES Y ENERGIA ES UNO DEL RETOS TECNOLOGICOS MAS IMPORTANTES DE LA HUMANIDAD. EN ESTE CONTEXTO, LA CATALISIS ES UNA HERRAMIENTA FUNDAMENTAL PARA EL DESARROLLO DE PROCESOS QUIMICOS MAS E...
ver más
Fecha límite participación
Sin fecha límite de participación.
Financiación
concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto
el día 2021-01-01
No tenemos la información de la convocatoria
0%
100%
Información adicional privada
No hay información privada compartida para este proyecto. Habla con el coordinador.
¿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
CNS2023-144372
INTELIGENCIA ARTIFICIAL PARA EL ANALISIS CINETICO Y ESTUDIOS...
400K€
Cerrado
TED2021-132850B-I00
BASES DE DATOS ENLAZADAS PARA DESCUBRIR NUEVOS MATERIALES
173K€
Cerrado
DISCOVERER
A novel chemical discovery platform enabled by machine learn...
150K€
Cerrado
CTQ2017-88777-R
ABORDANDO REACTIVIDAD COMPLEJA DESDE LA QUIMICA COMPUTACIONA...
94K€
Cerrado
DESCRIPTOR
Advanced simulations in electrocatalysis for efficient produ...
176K€
Cerrado
TED2021-130173B-C42
HACIA LA TRANSICION DIGITAL EN QUIMICA SOLAR (SOLCHEM 5.0):...
125K€
Cerrado
Fecha límite de participación
Sin fecha límite de participación.
Descripción del proyecto
EL CRECIMIENTO DE LA DEMANDA DE NUEVOS MATERIALES Y ENERGIA ES UNO DEL RETOS TECNOLOGICOS MAS IMPORTANTES DE LA HUMANIDAD. EN ESTE CONTEXTO, LA CATALISIS ES UNA HERRAMIENTA FUNDAMENTAL PARA EL DESARROLLO DE PROCESOS QUIMICOS MAS EFICIENTES, CON MENOR IMPACTO MEDIOAMBIENTAL. EN ESTE CAMPO MULTIDISCIPLINAR, NUESTRA APORTACION PROVIENE DE LA QUIMICA COMPUTACIONAL, LA CUAL INTEGRAMOS CON COLABORACIONES EXPERIMENTALES PARA ENTENDER LOS MECANISMOS DE REACCION Y CONDUCIR AL DISEÑO RACIONAL DE NUEVOS CATALIZADORES. CON ESTA FINALIDAD, EXPLORAREMOS HERRAMIENTAS DE APRENDIZAJE AUTOMATICO (MACHINE-LEARNING, ML), QUE SON CONSIDERADAS UNA DE LAS ESTRATEGIAS MAS UTILES DE LA INTELIGENCIA ARTIFICIAL (IA), PARA LA CONSTRUCCION DE MODELOS DE REGRESION Y EL DESARROLLO DE POTENCIALES ATOMISTICOS. MAS ALLA DE LOS METODOS TRADICIONALES BASADOS EN LA CARACTERIZACION DE LA SUPERFICIE DE ENERGIA POTENCIAL, HEMOS UTILIZADO Y DESARROLLADO METODOS TIPO QUANTATIVE STRUCTURE-ACTIVITY RELATIONSHIP (QSAR). LA EVOLUCION DEL MODELADO QSAR A ML IMPLICA EN LA PRACTICA CONJUNTOS DE DATOS MAS AMPLIOS Y RELACIONES MATEMATICAS MAS COMPLEJAS ENTRE LOS DESCRIPTORES Y LAS PROPIEDADES CATALITICAS. NO OBSTANTE, NUESTRO INTERES RESIDE EN LA EXPLORACION Y DESARROLLO DE DESCRIPTORES CON SIGNIFICANCIA QUIMICAS QUE MANTIENEN EL COMPROMISO CON EN EL PROCESO DE COMPRENSION, DISEÑO, TESTEO Y PREDICCION, APROXIMACIONES JOINT LEARNING (JL). PENSAMOS, QUE ESTAS APROXIMACIONES JUGARAN UN PAPEL ESENCIAL EN EL DESARROLLO DE LA CATALISIS DIGITAL (CD), LA CUAL TENDRA UN GRAN IMPACTO EN LA CATALISIS INDUSTRIAL (CI). EL PROYECTO HA SIDO DIVIDIDO EN 3 WORK PACKAGES (WPS), LOS CUALES ESTAN RELACIONADOS CON TRES TIPOS DE CATALIZADORES. LOS WPS ESTAN RELACIONADOS METODOLOGICAMENTE MEDIANTE LA INCORPORACION DE TECNICAS ML PARA EL DESARROLLO DE MODELOS DE REGRESION Y LA OPTIMIZACION DE CAMPOS DE FUERZA REACTIVOS. EL WP1COMBINA APROXIMACIONES DFT Y ML PARA EL DISEÑO RACIONAL DE CATALIZADORES MOLECULARES PARA TRANSFORMACIONES SELECTIVAS. PRETENDEMOS DESARROLLAR UNA BASE DE DATOS UTIL PARA LIGANDOS DE FOSFORO QUIRALES Y CONSTRUIR MODELOS PREDICTIVOS ML. ESTE WP IMPLICA LA EXPLORACION DE DESCRIPTORES 3D, INCLUYENDO EL DESARROLLO DE OTROS NUEVOS BASADOS EN UNA APROXIMACION LIBRE DE ALINEAMIENTO CENTRADA EN EL METAL, Y EN LAS PROPIEDADES TOPOLOGICAS DE DENSIDAD ELECTRONICA. TAMBIEN OBTENDREMOS LA DESCRIPCION DE LOS MECANISMOS DE REACCIONES COMO LA HIDROFORMILACION CATALIZADA POR COMPLEJOS DE PD, LA BORILACION CON DIBOROS ACTIVADOS, Y ADICIONES NUCLEOFILICAS DE COMPLEJOS DE CU ALFA-BORILALQUENILO. EL WP2 ANALIZA CLUSTERES METALICOS SOPORTADOS COMO CATALIZADORES HETEROGENEOS MEDIANTE DFT PERIODICO Y SIMULACIONES CON CAMPOS DE FUERZA REACTIVOS (REXFF) PARAMETRIZADOS CON METODOS ML A TRAVES DE UNA IMPLEMENTACION PROPIA DE ALGORITMOS GENETICOS HIBRIDADOS CON REDES NEURONALES ARTIFICIALES. EN ESTOS SISTEMAS EL GRAN NUMERO DE ISOMEROS ACCESIBLES REQUERIRA UN REPRESENTACION ESTADISTICA DEL COLECTIVO MEDIANTE SIMULACIONES EXTENSIVAS REAXFF. NUESTRO INTERES SE CENTRA REACCIONES COMO LA DESHIDROGENACION DE PROPANO Y LA HIDROGENACION DE CO2. EL WP3 COMBINA SIMULACIONES CLASICAS CON REAXFF EXPLORANDO PROPIEDADES CATALITICAS Y CAOTROPICAS DE OXIDOS MOLECULARES Y CLUSTERES DE BORO. REAXFF PERMITIRA ANALIZAR ESTADOS DE PROTONACION Y ESPECIACIONES EN SOLUCION ACUOSA, EVALUANDO LA INFLUENCIA EN REACCIONES CATALITICAS COMO LAS DESCOMPOSICION DE H2O2 Y LA REDUCCION DE ENLACES S-S, ASI COMO SU INTERACCION CON BIOMOLECULAS. UIMICA COMPUTACIONAL\CATALISIS ASIMETRICA\RELACIONES ESTRUCTURA-ACTIVIDAD\CAMPOS DE FUERZA REACTIVOS\DFT\MACHINE-LEARNING\CATALISIS