Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

MALTOSE

Financiado

Cerrado

Machine Learning for Tailoring Organic Semiconductors

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 innova... ver más

30/07/2024

CENTRO INTERNACION...

173K€

Presupuesto del proyecto: 173K€

Líder del proyecto

CENTRO INTERNACIONAL DE MATERIALES AVANZADOS... Actividades de investigación asociacion

TRL 4-5 | 100K€

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2024-07-30

MSCA-IF-2019: Individual Fellowships Objective:The goal of the Individual Fellowships is to enhance the creative and innovative potential...

I+D

Cerrada hace 5 años

0% 100% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

1 Participantes

CENTRO INTERNACIONAL DE MATE...

172.93K€ | Lider

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

Duración del proyecto: 51 meses Fecha Inicio: 2020-04-29
Fecha Fin: 2024-07-30

Líder del proyecto

CENTRO INTERNACIONAL DE MATERIALES AVANZADOS... Actividades de investigación asociacion

TRL 4-5 | 100K€

Presupuesto del proyecto 173K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto 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.

Conecta tu I+D

Entra hoy

Forgot your password?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores