Treballs Fi de GrauQuímica Física i Inorgànica

Tècniques de reducció de la dimensionalitat per crear mapes de l'espai químic de les difosfines utilitzant el Ligand Knowledge Base

  • Dades identificatives

    Identificador:  TFG:6569
    Autors:  Villares Cañón, Mario
    Resum:
    L'espai químic és la regió multidimensional on es troben totes les molècules conegudes i desconegudes. Descriure l'espai químic de la difosfina mitjançant l'ús de la metodologia Ligand Knowledge Base (LKB), els descriptors de propietats calculades per DFT i l'aplicació de tècniques de reducció de dimensionalitat porten a mapes de l'espai químic que són útils per a l'optimització de catalitzadors organometàl·lics. Es proven diferents tècniques de reducció de dimensionalitat (PCA, UMAP i t-SNE) i la informació que contenen aquests mapes es determina mitjançant algorismes de clustering. S'han utilitzat característiques estructurals per veure si els mapes mostren tendències. Si les difosfines estructuralment similars s'agrupen juntes, això probablement es pot traduir a un rendiment catalític similar, ja que tindran propietats similars. Es realitzen proves per comparar la capacitat del clúster, la robustesa i l'abast de la informació retinguda. Al final es realitza un cas de prova basat en l'experimentació per demostrar el potencial que tenen els mapes generats i els models de predicció en la tasca d'optimitzar els catalitzadors organometàl·lics. Tot el projecte es va desenvolupar a la Universitat de Bristol en el grup de la Dra. Natalie Fey.
  • Altres:

    Drets d'accés: info:eu-repo/semantics/openAccess
    Ensenyament(s): Química en anglès
    Departament: Química Física i Inorgànica
    Entitat: Universitat Rovira i Virgili (URV)
    Confidencialitat: No
    Matèria: Química
    Director del projecte: Fernández Gutiérrez, Maria Elena
    Data de la defensa del treball: 2023-06-27
    Data d'alta al repositori: 2023-12-16
    Idioma: en
    Curs acadèmic: 2022-2023
    Estudiant: Villares Cañón, Mario
  • Paraules clau:

    optimització organometal·lica
    catalisis
    machine-learning
    difosfines
    Química
  • Documents:

  • Cerca a google

    Search to google scholar