Machine learning based techniques to study chemical reactions (II)
Identyfikator grantu: PT01260
Kierownik grantu: Marta Łabuda
Realizatorzy:
- Marta Łabuda
- Bartosz Majewski
Politechnika Gdańska
Wydział Fizyki Technicznej i Matematyki Stosowanej
Gdańsk
Data otwarcia: 2025-04-15
Planowana data zakończenia grantu: 2028-04-15
Streszczenie grantu
Projekt koncentruje się na wykorzystaniu metod uczenia maszynowego do analizy i przewidywania przebiegu reakcji chemicznych, w szczególności rozpadu cząsteczek organicznych pod wpływem ich zderzeń np. z elektronami, jonami etc. Celem jest opracowanie i przetestowanie odpowiednich modeli, które pomogą zrozumieć mechanizmy reakcji, w szczególności przewidywanie produktów rozpadu, identyfikację ścieżek reakcji oraz określanie energii aktywacji, stanów przejściowych oraz widm masowych. Optymalizacja warunków reakcji i stworzenie odpowiedniego protokołu obliczeniowego pomoże znacznie przyspieszyć uzyskiwanie istotnych danych, które będzie można porównać z tymi otrzymanymi klasycznie metodami chemii kwantowej jak i z eksperymentów.
Publikacje
- Bartosz Majewski i Marta Łabuda, Hybrid Deep Learning Model for EI-MS Spectra Prediction, INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES 27, (2026) 1588-
- Szary Karol , Banaś Dariusz , Stabrawa Ilona , Stachura Regina , Kubala Kukuś Aldona , Semaniak Jacek , Jagodziński Paweł , Sobota Daniel , Pajek Marek , Majewski Bartosz i Łabuda Marta, Influence of electron beam ion source parameters on deuterated propane (C3D8) fragmentation , Metrology and Measurement Systems 32, (2025) 1-13
- Paweł Wojda, Marta Łabuda, Sergey Kshebetskii, Mixed, quantum-classical description of electron density transfer in the collision process, MOLECULAR PHYSICS 123, (2025) 1-17
Kontakt
ul Traugutta 75, 80-221 Gdańsk
tel.: + 48 58 347 24 11
email: office@task.gda.pl
NIP: 584-020-35-93
REGON: 000001620
Godziny otwarcia: pn-pt godz. 8:00-15:00