Machine learning-guided design of materials for low-temperature catalysis

Materialer til lavtemperatur katalyse designet via maskinlæring
Udvikling af et materiale, der kan katalysere omdannelsen af CO2 til brændstof eller kemikalier, ville kunne hjælpe os med at tackle klimaforandringer og vores afhængighed af fossile brændstoffer. Projektet vil bidrage til dette mål ved at anvende teoretiske metoder baseret på maskinlæring til at dirigere søgningen efter et materiale der kan omdanne, hydrogenere, CO2 til metanol ved lave temperaturer. Bevillingen vil finansiere modtageren, en postdoc, to ph.d.-studerende og computer ressourcer.