مرکز نوآوری ژنوم مواد پلیمری

این طرح، بستری را برای تحقیقات داده محور در صنایع مختلف از جمله صنایع پلیمر و پتروشیمی کشور ایجاد می نماید. سرعت بخشیدن به فرآیند طراحی، توسعه، و پیاده سازی مواد جدید با هزینه بسیار کمتر، حداقل خروجی یان طرح خواهد بود. با آموزش مدل های یادگیری عمیق بر روی کلان داده قادر خواهیم بود تا ارتباط میان ویژگی های فیزیکی، شیمیایی و ساختاری محصولات را پیدا کنیم. مدل های هوش مصنوعی به ما کمک میکنند تا از روی خواص هدف و مدنظر خود به ساختارهای پایدار و جدید با خواص برتر دست پیدا کنیم. این ساختارهای جدید می توانند به زنجیره ارزش محصولات افزوده شوند. این فرایند هزینه های مربوط به تحقیق و توسعه محصول و زمان تولید را به طور چشم گیری کاهش خواهند داد.​​​​​​​

کاهش حداکثری هزینه‌های تولید و زمان طراحی محصول تا تجاری سازی​​​​​​​

جذب، حفظ و تربیت نیروهای نخبه کشور از طریق انجام طرح های فناوری بالا​​​​​​​

ارائه محصولات با ارزش افزوده بالا در صنایع مختلف با قیمت رقابتی ​​​​​​​

هدف اختصاصی برای پلیمر و پتروشیمی
طراحی کاتالیزورهای پیشرفته و بهینه‌سازی فرآیندهای شیمیایی با استفاده از ژنوم مواد پلیمری.
با توسعه:

  • حوزه بهداشت و درمان: طراحی مواد جدید با کاربرد بهداشتی و درمانی، ضدعفونی کننده ها و منعقدکننده های سریع.
  • صنایع دفاعی: طراحی مواد هوشمند و کامپوزیت‌های فوق‌سبک با استفاده از اصول مهندسی ژنوم مواد.
  • صنعت هوافضا: توسعه مواد فوق‌العاده مقاوم با الگوبرداری از ساختارهای طبیعی.
  • داروسازی: کشف داروهای جدید و تولید عصاره ها و ترکیبات مؤثر دارویی.
  • صنعت ارتباطات: توسعه مواد پیشرفته برای بهبود عملکرد فیبرهای نوری و تجهیزات مخابراتی.
  • اینترنت اشیاء: طراحی نانوحسگرهای نسل آینده برای پایش کیفیت محیط و ایمنی صنعتی.
  • صنایع الکترونیکی: تولید مواد جدید برای تراشه‌های نیمه‌هادی و باتری‌های کارآمدتر.
  • نساجی: ایجاد الیاف مقاوم‌تر و سبک‌تر با استفاده از ژنوم مواد.
  • آرایشی و بهداشتی: تولید ترکیبات جدید برای مراقبت پوست و مو با الهام از ساختارهای طبیعی.​​​​​​​

افزایش رقابت پذیری محصولات و ارتقای سطح ویژند ساخت ایران و توسعه صادرات محصولات فناورانه

اهداف کلان 

·       ایجاد بستری مبتنی بر هوش مصنوعی برای تسریع نوآوری و بهینه‌سازی فرایندهای تحقیق‌وتوسعه در کشور
·       انجام پروژه های عملیاتی کوتاه مدت و ارتقای سطح محصولات
·       بکارگیری محققین حوزه شبیه سازی و بانک داده در دانشگاه و صنعت در راستای اهداف عالیه
·       ارتقای ابزارهای بومی برای شبیه سازی ساختارهای مواد
·       بومی سازی و ذخیره بانک های داده جهانی و کارآمدسازی آن ها
​​​​​​​

از طریق:

سطح فناوری
سطح فناوری (TRL)[Technology Readiness Level] این پروژه با توجه به محصول هدف تعیین می‌گردد. درحال حاضر در سطح جهانی برخی از شرکت‌های پیشرو در حوزه محصولات شیمیایی نظیر Evonik، Dow و BASF از این فناوری برای تولید محصولات خود استفاده می‌کنند و آن را تا سطح 9 که بلوغ کامل فناوری است، تجاری سازی کرده اند. طبق بررسی ها و پیش‌مطالعات صورت‌گرفته بر روی ظرفیت فعلی کشور در زمینه هوش مصنوعی و برنامه زمان‌بندی طراحی شده، انتظار می‌رود که تا پایان سال پنجم حداقل 1 محصول در هریک از زمینه های بالا با سطح فناوری 9 در دسترس باشد. همچنین حداقل 10 محصول دیگر در این مدت تا سطح فناوری حداقل 6 توسعه پیدا خواهند کرد.
نمونه موردی های صنعتی سازی فرآیند طراحی و کشف مواد جدید با هوش مصنوعی شرکت BASF
 این شرکت با اتکا یه تجربه چندین ساله در صنعت شیمیایی و همچنین استفاده از هوش مصنوعی موفق به توسعه محصولی به نام PeptAIde 4.0 شده است. این محصول دارای چهار نوع پپتید است که از پروتئین های ارگانیک برنج تهیه شده اند. این پپتیدها می توانند سوزش پوست و پوست سر را تسکین دهند و قوای ایمنی بدن را در مقابل التهابات بهبود بخشند. استفاده از هوش مصنوعی دانشمندان BASF را قادر ساخته تا با سرعت 10 برابر راه حلی را برای پارامترهای پپتید مدنظرشان پیدا کنند.


شرکت Evonik
شرکت اِوونیک، دومین شرکت بزرگ تولید کننده مواد شیمیایی در آلمان، با همکاری IBM و آزمایشگاه هوش مصنوعی MIT-Watson، از هوش مصنوعی برای تسریع توسعه و بهینه‌سازی مواد استفاده می‌کند. این همکاری منجر به توسعه و آموزش یک شبکه عصبی عمیق برای پیش‌بینی خواص و فرمولاسیون پلیمرهای پربازده شده است.



تماس با ما

با ما در ارتباط باشید

ثبت

پیغام شما با موفقیت ارسال شد.