Prof. dr hab. Marta Eliza Płońska-Brzezińska z Zakładu Chemii Organicznej UMB zdobyła grant w ramach konkursu NCN OPUS 25 na badania pod tytułem: „Projektowanie materiałów sterowane danymi: sztuczna inteligencja jako narzędzie wspomagające syntezę nanokompozytów o hierarchicznej porowatości do zastosowań elektrokatalitycznych”
Projekt realizowany będzie w konsorcjum z Prof. Dariuszem Brzezińskim z Politechniki Poznańskiej.
Przyznane finansowanie: 2 531 256 zł
z tego dla UMB: 1 926 136 zł
Zapotrzebowanie na zaawansowane materiały do „wytwarzania czystej energii” stale rośnie i wiąże się z poszukiwaniem bezpieczniejszych, tańszych i bardziej ekologicznych rozwiązań. Wśród tych materiałów znajdują się związki, które są stosowane do podstawowych procesów technologii przyszłości, w tym takie, które posiadają właściwości katalityczne. Właściwości katalityczne są tu rozumiane jako te przyspieszające reakcje chemiczne, między innymi, poprzez obniżenie jej bariery energetycznej, czyli bariery, którą należy pokonać, aby zapoczątkować przebieg reakcji. W szczególności badaczy i praktyków interesują materiały, które mogą być wykorzystywane do reakcji elektrokatalitycznych, to jest takich, które zachodzą w układach elektrochemicznych na granicy faz elektroda/roztwór. Jedną z takich reakcji elektrokatalitycznych jest reakcja redukcji tlenu, która jest wykorzystywana między innymi jako źródło energii, w takich urządzeniach jak ogniwa paliwowe czy mikrobiologiczne ogniwa paliwowe.
W ramach projektu planujemy zaprojektować i zsyntezować wysoce wydajne katalizatory ze szczególnym uwzględnieniem korelacji między porowatą strukturą materiałów i wydajnością reakcji elektrokatalitycznej przy użyciu opartego na sztucznej inteligencji (AI) podejściu „laboratorium w pętli”. Stosowanie jedynie syntetycznej metodologii prowadzącej do osiągnięcia celów postawionych w tym projekcie jest procesem bardzo czasochłonnym, kosztownym i żmudnym, wymagającym wielokrotnego powtarzania procedur, w których należy wprowadzić wiele zmiennych parametrów. Możliwość kombinacji jest nieskończona.
Zamierzamy połączyć syntezę organiczną z AI w postaci algorytmów uczenia maszynowego (ML). Wykorzystanie ML do znalezienia związku między parametrami strukturalnymi substratu, produktu i wydajnością elektrokatalityczną może sprzyjać projektowaniu materiałów o zaawansowanych właściwościach. Nasze podejście nazywamy projektowaniem materiałów opartym na danych.
Administracyjną obsługą projektu zajmuje się Dział Rozwoju i Ewaluacji UMB.