Intelligence artificielle pour la conception de catalyseurs à haut débit

Artificial Intelligence for High-Throughput Catalysts Design

• Auteur / Autrice : Markus Grimm
• Direction : Pierre Chainais, Sébastien Paul
• Type : Projet de thèse
• Discipline(s) : Traitement du signal et des images
• Date : Inscription en doctorat le 01/09/2020
• Etablissement(s) : Centrale Lille Institut
• Ecole(s) doctorale(s) : MADIS Mathématiques, sciences du numérique et de leurs interactions
• Partenaire(s) de recherche : Laboratoire : CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille

Mots clés

Mots clés libres

Catalyse hybride

Intelligence artificielle

Technologies à haut débit

Bioraffineries

Apprentissage automatique

Biorefineries

High-Throughput Technologies

Machine Learning

Hybrid Catalysis

Artificial Intelligence

Résumé

Le projet consiste à développer une approche d'apprentissage automatique pour l'ensemble de données volumineux que le système REALCAT peut fournir. Une meilleure compréhension de la relation entrée-sortie de la plateforme sera exploitée pour accélérer la découverte du catalyseur optimal pour une réaction donnée grâce à la sélection rationnelle des conditions de synthèse les plus efficaces, de la formule ou des propriétés physico-chimiques des catalyseurs, tirer le meilleur parti de la plateforme REALCAT.

The project is about developing a machine learning approach to the large data set that the REALCAT system can provide. A better understanding of the input-output relation of the platform will be exploited to speed up the discovery of the optimal catalyst for a given reaction through the rational selection of the most efficient synthesis conditions, the formula, or the physicochemical properties of the catalysts, taking the best benefit from REALCAT platform.