Promotie: Artificial intelligence meets soft matter: Machine learning applications for the study of colloidal self-assembly

Promotie van E. Boattini MSc

tot

Colloïdale systemen bestaan uit microscopisch kleine deeltjes - colloïden genaamd - die gedispergeerd zijn in een oplosmiddel. Door de voortdurende botsingen met de veel kleinere deeltjes waaruit het oplosmiddel bestaat, ondergaan colloïden een Brownse beweging en diffunderen zij willekeurig door het oplosmiddel. Als gevolg van deze beweging kunnen zij zich spontaan assembleren tot een grote verscheidenheid van fasen, waaronder vloeistoffen, glazen, kristallen en zelfs quasikristallen. Deze verkenning van de faseruimte en zelfassemblage is een colloïdale analogie van het fasegedrag van atomaire en moleculaire systemen.

Computersimulaties zijn een fundamenteel hulpmiddel voor het bestuderen van colloïdale zelfassemblage. Ze stellen ons in staat het zelfassemblageproces in detail te onderzoeken - van het verband tussen de interacties van de deeltjes en hun zelfassemblage, tot de eigenschappen van de resulterende materialen. Voor complexe colloïdale systemen zijn nieuwe hulpmiddelen nodig om computersimulaties te versnellen en de simulatieresultaten te analyseren.

In dit proefschrift ontwikkelen we nieuwe machine learning algoritmes, zowel om simulatiecodes te versnellen, als om een verscheidenheid aan open problemen in de studie van colloïdale zelfassemblage aan te pakken. Een terugkerend thema in dit proefschrift is de ontwikkeling van structurele ordeparameters die kunnen worden gebruikt om de producten van zelfassemblage te identificeren, de rekenkosten die gepaard gaan met de voorspelling van hun eigenschappen en gedrag (zoals energie en dynamica) van colloïdale systemen te verminderen, en zelfs om inverse-design van zachte materialen met een gewenste structuur mogelijk te maken.

Begindatum en -tijd
Einddatum en -tijd
Locatie
Academiegebouw, Domplein 29 & online (link)
Promovendus
E. Boattini MSc
Proefschrift
Artificial intelligence meets soft matter: Machine learning applications for the study of colloidal self-assembly
Promotor(es)
prof. dr. M. Dijkstra
Co-promotor(es)
dr. L.C. Filion
Meer informatie
Full text via Utrecht University Repository