Seminarium wydziałowe "Od oddziaływań atomowych do materiałów funkcjonalnych: modelowanie wieloskalowe oraz uczenie maszynowe w zastosowaniach energetycznych"
Wydział Chemiczny Politechniki Gdańskiej serdecznie zaprasza na seminarium, które odbędzie się w dniu 23 kwietnia 2026, na Wydziale Chemicznym PG o godz. 12:15 w Sali 013 w budynku Chemii C.
Tytuł: Od oddziaływań atomowych do materiałów funkcjonalnych: modelowanie wieloskalowe oraz uczenie maszynowe w zastosowaniach energetycznych
Prelegent: David Dell’Angelo, Unité de Catalyse et de Chimie du Solide (UCCS), University of Lille, University of Artois
Streszczenie: Zrozumienie i kontrola materii w skali atomowej są kluczowe dla projektowania materiałów funkcjonalnych do zastosowań energetycznych. W niniejszym seminarium przedstawione zostanie podejście oparte na modelowaniu wieloskalowym, które łączy wnioski płynące z analiz na poziomie atomowym z projektowaniem złożonych materiałów opartym na przewidywaniach. Podejście to integruje symulacje ab initio, zaawansowane metody struktury elektronowej oraz techniki uczenia maszynowego.
W pierwszej części omówione zostaną właściwości elektronowe i transportowe materiałów nanostrukturalnych, w tym układów niskowymiarowych oraz struktur z oddziaływaniami typu π–π, w których efekt kwantowego ograniczenia, defekty oraz anizotropia strukturalna odgrywają kluczową rolę w kształtowaniu struktury pasmowej i dynamiki ładunków. Efekty te mają szczególne znaczenie dla zastosowań w fotokatalizie i konwersji energii. Następnie przedstawione zostanie, w jaki sposób symulacje atomistyczne pozwalają uchwycić kluczowe oddziaływania na granicach faz ciało stałe–ciecz, dostarczając informacji na temat struktury, energetyki i selektywności oraz umożliwiając bardziej racjonalne podejście do projektowania cząsteczek.
Na koniec omówione zostaną nowatorskie strategie oparte na danych, stosowane w odkrywaniu nowych materiałów, w tym przesiewanie wspomagane uczeniem maszynowym, podejścia oparte na uczeniu aktywnym oraz opracowywanie potencjałów międzyatomowych wyuczonych przez maszyny. W połączeniu z zautomatyzowanymi procesami roboczymi i koncepcyjną teorią funkcjonału gęstości metody te umożliwiają efektywne badanie złożonych przestrzeni chemicznych. Zastosowania w produkcji wodoru, fotokatalizie wykorzystującej efekty ferroelektryczne oraz nanokompozytach plazmonicznych pokażą, jak połączenie modelowania opartego na fizyce i uczenia maszynowego otwiera nowe możliwości w projektowaniu materiałów energetycznych nowej generacji.