Toward Desirable Metal Organic Framework Mixed Matrix Materials through Machine...
Toward Desirable Metal Organic Framework Mixed Matrix Materials through Machine learning guided Interface Design
Metal Organic Framework Mixed Matrix Materials (M4s) are prototyped for many applications such as separating membranes, drug delivery systems and fire-safe plastics. Like all composites, the premise of M4s is to achieve greater pr...
Metal Organic Framework Mixed Matrix Materials (M4s) are prototyped for many applications such as separating membranes, drug delivery systems and fire-safe plastics. Like all composites, the premise of M4s is to achieve greater properties than those of their isolated components. Yet, the interface between the components determines whether the synergy between the components is achieved or the overall performance is diminished due to their incompatibility. In principle, the interface can be designed by selection and chemical modification of the components involved. However, in practice such design is a very challenging endeavor. Atomistic simulations can predict the structure of the interface, from which the component compatibility may be inferred. Similarly, mechanical testing of the composites may reveal some qualitative characteristics of the interface. Nevertheless, the throughput of these approaches is insufficient to screen the design space for the optimal M4s for various applications.
This project aims at developing the capability to computationally design M4s with good mechanical properties. By employing machine learning techniques, we will be able predict the properties of the interface in a high-throughput manner. Similarly, our multi-scale models will establish quantitative relationships between the interfaces and the mechanical properties of the composites, which can be verified experimentally. To achieve these objectives, the Researcher will be provided training-through-research in high-throughput atomistic simulation workflows, material informatics and machine learning for material discovery as well as homogenization techniques and finite element approaches for multi-scale modeling. Moreover, this project will give the Researcher an opportunity to apply her expertise to explore the area of composite design in both basic science and industry-oriented perspective actively undertaken by IMDEA Material Institute.ver más
06-11-2024:
IDAE Cadena de Valor...
Se ha cerrado la línea de ayuda pública: Ayudas a Proyectos para reforzar la Cadena de Valor de equipos necesarios para la transición a una economía de cero emisiones netas
05-11-2024:
Cataluña Gestión For...
Se abre la línea de ayuda pública: Gestión Forestal Sostenible para Inversiones Forestales Productivas para el organismo:
04-11-2024:
Doctorados industria...
Se ha cerrado la línea de ayuda pública: Formación de doctores y doctoras de las universidades del Sistema universitario de Galicia (SUG) en empresas y centros de innovación y tecnología para el organismo:
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.