Materiaaliominaisuuksien tarkka ennustaminen edellyttää täsmällistä tietoa materiaalin pintarakenteista. Hyvänä sovellusesimerkkinä on heterogeeninen katalyysi (HC), joka käyttää 1% tuotetusta energiasta mm. lannoitteiden valmistukseen ja korvattaessa fossiilisia polttoaineita. Katalyysiin tarvittavien halvempien ja tehokkaampien ympäristöä säästävien materiaalien tuottamiseen edellyttää tarkkoja teoreettisia työkaluja pintarakenteiden toimivuuden takaamiseksi. TRSS-projekti tuottaa uuden AI-työkalun, jossa vahvistusoppimista hyödyntävä graafinen neuroverkko kokoaa Lego-tyyliin pintarakenteita atomeista ja sidoksista. Yhdistettäessä nämä rakenteet muilla AI-tekniikoilla saataviin kuvauksiin, esim. koneoppimisen voimakenttiin, voimme nopeasti luoda ja seuloa lukuisia pintamalleja. AI-työkalun testaus ja hienosäätö tehdään kokeellisten pintarakenteiden atomiresoluutiomikroskopialla, jotta mallinnus nopeuttaisi materiaalitekniikan kehitystä ja siirtymää kohti vihreitä teknologioita.

2026

2029