LINEA DI ATTIVITÀ
LA 1.11
Descrizione risultati raggiunti LA
È stata sviluppata una piattaforma computazionale, sotto forma di software in Python, per il data mining, capace di interfacciarsi con diversi database di materiali come NOMAD, Materials Project, AFLOW e OQMD. La piattaforma consente di accedere a questi database attraverso un unico set di input e produce output uniformati, facilitando così il post-processing e l’esecuzione di ulteriori calcoli computazionali, in linea con il principio di accesso “seamless”. Inoltre, è stata implementata la funzionalità di salvataggio dei dati ottenuti dal data mining in un database locale o in cloud (tramite MongoDB), per una gestione efficiente e flessibile delle informazioni raccolte.
Risultati attesi nel POA
Il sistema offre un importante contributo al panorama energetico nazionale, permettendo di analizzare, tramite un’unica interfaccia, l’insieme completo dei materiali noti alla comunità scientifica. Include funzionalità di data mining per il design di nuovi materiali e rappresenta una piattaforma computazionale flessibile, sulla quale è possibile sviluppare strumenti avanzati, come algoritmi di machine learning, per l’ottimizzazione e la scoperta di materiali innovativi.
REFERENTE/I
Liberato Manna – Istituto Italiano di Tecnologia
Deliverable consegnati con questo LA
D1.12 – Rapporto tecnico: “Integrazione della piattaforma QMflows con i database di ENEA”
Livello di innovazione
Per quanto a nostra conoscenza, attualmente non esiste alcun software nella comunità scientifica capace di effettuare ricerche su strutture e proprietà in tutti e quattro i principali database computazionali di materiali, offrendo all’utente un accesso unificato tramite un unico formato di input e output. Inoltre, la possibilità di trasferire i dati estratti in un database personale (si veda la voce “risultati ottenuti”) rappresenta una funzionalità non disponibile nelle API (Application Programming Interface) dei database attualmente noti.
Disseminazione
G. Saleh, I. Infante, L. Manna «Discovery of Novel Chalcohalide and Other Semiconductor Materials through the Combination of Big Data and Artificial Intelligence», MatSus, Barcellona, 4-8 marzo 2024
G. Saleh «Progettazione di materiali semiconduttori: dalla chimica quantistica all’intelligenza artificiale», evento finale progetto iemap, Roma, 3 dicembre 2024 G. Saleh, I. Infante, L. Manna «Discovery of Novel Chalcohalide and Other Semiconductor Materials through the Combination of Big Data and Artificial Intelligence», MatSus, Barcellona, 4-8 marzo 2024
G. Saleh «Progettazione di materiali semiconduttori: dalla chimica quantistica all’intelligenza artificiale», evento finale progetto iemap, Roma, 3 dicembre 2024
