Project R-15952

Groene kunstmatige Intelligentie gebaseerde modelering van Lignine voor de sustainable bio-based chemie van de toekomst. (Onderzoek)

In een wereld geconfronteerd met de gevolgen van klimaatverandering, is de behoefte aan een circulaire en duurzame industrie onbetwistbaar geworden. Voor polymeerchemie vertaalt zich dit in een groeiende behoefte aan hernieuwbare en duurzame aromatische bouwstenen. Lignine, het op één na meest voorkomende biopolymeer, zou aan deze behoefte kunnen voldoen. Helaas wordt de toepassing belemmerd door de diversiteit in ligninestructuur en -eigenschappen. Het bestuderen van een digitale kopie op atomaire schaal kan het broodnodige inzicht in de eigenschappen van lignine leveren, zodat industriële toepassing kan versneld worden. De meest nauwkeurige resultaten krijgt men via kwantumchemische (QC) modellering, zij het tegen enorme rekenkost (=ecologische impact). Hier ontwikkel ik een AI-model, getraind op QC-data om de hoogste kwaliteit te leveren, waardoor lignine-eigenschappen tegen lage kost gemodelleerd kunnen worden. Twee belangrijke facetten uit de lignine-industrie worden ermee bestudeerd: solvatatie en reactiesnelheden. Temperatuurafhankelijke reactiesnelheden geven inzicht in depolymerisatie en functionalisatie, beide essentieel voor ligninevalorisatie. Solvatatie, anderzijds, speelt een belangrijke rol in zowel het zuiverings- als het depolymerisatieproces. Het ontwikkelde AI- model zal polymeerchemici in staat stellen om rationele en gerichte strategieën te ontwerpen voor zowel de depolymerisatie van lignine als synthese gericht op duurzame producten.

01 november 2025 - 31 oktober 2029