Wyszukiwarka
Uczenie maszynowe w wersji meta-learning jako narzędzie ukierunkowania eksperymentalnego ulepszania właściwości sorpcyjnych cieczy jonowych
Proponowany projekt obejmuje opracowanie metodyki eksperymentalnego projektowania struktury chemicznej cieczy jonowych (jako nowoczesnych substancji absorbujących) z uwzględnieniem nowoczesnych metod modelowania komputerowego typu meta-learning. Metodyka będzie oparta o zastosowanie algorytmów uczenia maszynowego (sieci neuronowe, w tym grafowe sieci neuronowe), technik typu meta-learning (Model Agnostic Meta Learner) oraz technik eksperymentalnego pomiaru właściwości sorpcyjnych cieczy jonowych (pomiar rozpuszczalności farmeceutyków metodą shake flask, pomiar sorpcji gazu metodą spadku ciśnienia). Przewidywane efekty wymierne stanowiące wartość naukową zarówno dla kierownika projektu jak i jednostki naukowej, w której będzie realizowany projekt: 1) seria 3-5 publikacji w czasopismach o wysokiej wartości liczbowej współczynnika oddziaływania IF 2) udział w tematycznych konferencjach krajowych i zagranicznych z wystąpieniami ustnymi i posterami 3) wyniki badań będę stanowiły zasadniczą część rozprawy doktorskiej kierownika projektu
Informacje szczegółowe
- Program finansujący:
- PRELUDIUM
- Instytucja:
- Narodowe Centrum Nauki (NCN) (National Science Centre)
- Okres realizacji:
- 2024-01-12 - 2027-01-11
- Kierownik projektu:
- Karol Baran
- Realizowany w:
- Katedra Chemii Fizycznej
- Typ zgłoszenia:
- Krajowy Program Badawczy
- Pochodzenie:
- Projekt krajowy
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 174 razy