• Γνώσεις θεωρίας πιθανοτήτων, Γνώσεις προγραμματισμού (π.χ. Python/Java) ή ανάλυσης δεδομένων (R).
  • Γνώσεις μηχανικής μάθησης. Γνώση συστημάτων μοριακής προσομοίωσης.
  • George Giannakopoulos
  • ggianna [at] iit.demokritos.gr
  • The AI Lab

Περιγραφή:
Τα πολυμερή αποτελούν βασικά συστατικά καινοτόμων προϊόντων υψηλών προδιαγραφών με εφαρμογές σε όλους σχεδόν τους τομείς τις ανθρώπινης δραστηριότητας. Επιπλέον, τα βιολογικά μακρομόρια (π.χ. πρωτεΐνες, RNA, DNA) είναι κεντρικής σημασίας για το φαινόμενο της ζωής και την εξέλιξή του αλλά και για την δημιουργία αποτελεσματικών φαρμάκων για την θεραπεία ασθενειών. Ως εκ τούτου, τα πολυμερή αποτελούν μια κατηγορία υλικών που τις τελευταίες δεκαετίες συγκεντρώνει την προσοχή της παγκόσμιας ερευνητικής κοινότητας τόσο στην ακαδημία όσο και στην βιομηχανία.

Η κατανόηση της συμπεριφοράς τους και της σχέσης δομής-ιδιοτήτων είναι σημαντικό βήμα στον σχεδιασμό νέων υλικών. Στην προσπάθεια μας αυτή θα διερευνήσουμε την δυνατότητα χρήσης τεχνικών μηχανικής μάθησης και μοριακής προσομοίωσης για τη δημιουργία εξισορροπημένων πολυμερικών δομών χαμηλής ενέργειας (ατομιστικής ή αδροποιημένης αναπαράστασης). Οι δομές αυτές  θα χρησιμοποιηθούν στην συνέχεια για την πρόβλεψη χαρακτηριστικών διαμόρφωσης (π.χ. γυροσκοπική ακτίνα, από άκρου εις άκρο διάνυσμα, τανυστής διαμόρφωσης) που είναι καθοριστικά των ιδιοτήτων που εμφανίζουν και είναι δύσκολο να υπολογιστούν με τις κλασικές τεχνικές μοριακής μοντελοποίησης.

1. Noé, F., Olsson, S., Köhler, J., Wu, H., 2019. Boltzmann generators: Sampling equilibrium states of many-body systems with deep learning. Science 365, eaaw1147. https://doi.org/10.1126/science.aaw1147
2. Gartner, T.E., Jayaraman, A., 2019. Modeling and Simulations of Polymers: A Roadmap. Macromolecules 52, 755–786. https://doi.org/10.1021/acs.macromol.8b01836
3. Theodorou, D.N., 2004. Understanding and predicting structure–property relations in polymeric materials through molecular simulations. Molecular Physics 102, 147–166. https://doi.org/10.1080/00268970310001640085

Η εργασία θα έχει τη συνεπίβλεψη και υποστήριξη και του Δρ. Λουκά Περιστέρα (Molecular Thermodynamics and Modelling of Materials Laboratory, Institute of Nanoscience and Nanotechnology).

Skip to content