| KEYWORD |
Modellazione molecolare di materiali dinamici auto-assemblati con proprietà bioispirate
Parole chiave CHIMICA FISICA, CHIMICA SUPRAMOLECOLARE, COARSE-GRAINING, DINAMICA MOLECOLARE, FISICA STATISTICA, MACHINE LEARNING, MODELLAZIONE E SIMULAZIONE MOLECOLARE, SELF-ASSEMBLY, SIMULAZIONE MULTISCALA
Riferimenti GIOVANNI MARIA PAVAN
Gruppi di ricerca COMPUTATIONAL PHYSICAL CHEMISTRY (CPC) LABORATORY
Tipo tesi MODELLISTICA E SIMULAZIONE
Descrizione La natura utilizza il self-assembly per costruire materiali supramolecolari affascinanti, come i microtubuli e i filamenti proteici, che possono auto-ripararsi, riconfigurarsi, adattarsi o rispondere a stimoli specifici in modo dinamico. Imparare a progettare materiali supramolecolari artificiali che possiedono proprietà bioispirate attraverso principi di autoassemblaggio simili sarebbe una svolta per molte applicazioni, ma non è banale.
Questa tesi è collegata al progetto ERC Consolidator grant "DYNAPOL", che mira a capire come progettare nuovi tipi di materiali artificiali con proprietà dinamiche bio-ispirate attraverso modelli molecolari multiscala, simulazione computazionale avanzata e approcci di machine learning.
Vedi anche https://www.gmpavanlab.com/
Note Durante la tesi, lo studente avrà l'opportunità di lavorare a stretto contatto con ricercatori e scienziati di fama mondiale, partner accademici e industriali nazionali e internazionali.
Scadenza validita proposta 07/09/2024
PROPONI LA TUA CANDIDATURA