AI-SAXS: Decoding Structural Complexity with Intelligent Scattering Analysis

Syfte och mål

Materialkaraktärisering på olika längdskalor är avgörande för att bättre kunna förstå och designa t ex mekaniska egenskaper och masstransportegenskaper vid produktutveckling. Small angle X-ray scattering (SAXS) är av betydande intresse för karaktärisering av olika material, t ex läkemedel och förpackningar. Syftet med projektet är att utveckla nya AI-metoder och modeller för SAXS-datagenerering och tolkning kombinerad med experiment och materialmodeller för att förbättra och snabba på materialutvecklingsprocessen i industrin genom nya datadrivna insikter.

Förväntade effekter och resultat

De utvecklade SAXS- och AI-modellerna kommer att bidra till förbättrad förståelse och användning av SAXS-experiment för att accelerera material och produktutveckling. Genom en demonstrator kommer resultat från en AI-lösningsprototyp att jämföras med traditionella metoder hos projektets industriella partners. Parallellt med detta arbete kommer projektets industripartners att förbättra sin infrastruktur för att integrera utvecklade metoder i projektet. Särskilt utgör dessa aktiviteter pipelines för utveckling av datadrivna metoder och träning av AI-algoritmer.

Planerat upplägg och genomförande

Projektet kommer att utföras i ett konsortium bestående av RISE, AstraZeneca, Tetra Pak och Max IV. En post-doc kommer att anställas vid RISE för att arbeta tillsammans med seniora forskare inom materialvetenskap, SAXS och AI-utveckling. Projektet kommer att undersöka de relevanta materialsystem som valts ut av projektets industripartners och modelleras med både konventionella och AI-modeller i de olika arbetspaketen. Syntes av material kommer att genomföras av projektets industripartners och validering av metoder och konceptet genomförs gemensamt av alla projektpartners.