Corso breve: Atomistic simulations for energy related materials with machine learning-based interatomic potentials con i contributi di U.Raucci e F. Mambretti dell'Istituto Italiano di Tecnologia - ITT
La necessità di sistemi di accumulo energetico efficienti e di fonti di energia pulita, come l’idrogeno, è in aumento, rendendo sempre più importante la caratterizzazione dei materiali su scala atomistica, fondamentale per migliorare le prestazioni.
Questo corso di dottorato per studenti di Ingegneria, anche per coloro con conoscenze minime di simulazioni molecolari, offre una panoramica completa delle metodologie più avanzate attualmente disponibili nel settore.
Discuteremo l’addestramento dei potenziali basati su Machine Learning, la raccolta dei dati necessari e i pro e i contro di ciascun metodo. Inoltre, il corso includerà applicazioni illustrative per approfondire la comprensione dei partecipanti sulla dinamica strutturale, la cinetica chimica e i fenomeni di trasporto nei sistemi energetici, con particolare attenzione a esempi specifici come gli effetti della temperatura sui materiali del catodo e le reazioni chimiche che coinvolgono catalizzatori.
