Το Πολυτεχνείο Κρήτης, μέλος του Ευρωπαϊκού Πανεπιστημίου European University on Responsible Consumption and Production (EURECA-PRO), διοργανώνει μια σειρά ανοιχτών επιστημονικών διαλέξεων στο πλαίσιο της κινητικότητας καθηγητών μεταξύ πανεπιστημίων. Η 4η διάλεξη αυτής της σειράς έχει τίτλο
A Machine Learning approach in product engineering
for the prediction of the properties of molecules
θα δοθεί από τον προσκεκλημένο ομιλητή
Dr. Dimitrio Meimarolgou,
Αssociate Professor in the Department of Environmental Chemistry (ENSIC), University of Lorraine
στην παρακάτω ημέρα και ώρα
Τρίτη 04 Ιουνίου 2024 | 13:00
και η παρακολούθηση είναι εφικτή, είτε με φυσική, είτε με διαδικτυακή, συμμετοχή
Αίθουσα K2.A1 «Παναγιώτης Μανωλόπουλος» @ Πολυτεχνειούπολη
https://tuc-gr.zoom.us/j/92336028187?pwd=dVplclltWGROZWtXOTFDNXgySmtKUT09
Θα υπάρχει επίσης ζωντανή μετάδοση στην επίσημη TUC facebook σελίδα.
Η διάλεξη είναι ανοιχτή σε όλα τα ενδιαφερόμενα μέλη του Πολυτεχνείου Κρήτης και του Ευρωπαϊκού Πανεπιστημίου EURECA-PRO, αλλά και σε κάθε ενδιαφερόμενο.
Περίληψη
This work investigates the use of machine learning (ML) methods for the prediction of thermodynamic properties (i.e. enthalpy and entropy of formation) of molecules from their molecular descriptors. Although quantum chemistry (QC) or group contribution (GC) methods have been commonly employed to calculate these properties, they have shown limitations in their applicability to more complex or larger chemicals and/or computational costs. Inversely, ML methods, based solely on data, have already demonstrated their ability to tackle complex problems in other fields when classical approaches fail or are inefficient. However, their implementation is often mistakenly considered as plug-and-play, overlooking or underestimating the effect of the different choices that are adopted along the development and application of these techniques on the final model performance. Accordingly, the contribution of this work is rather a methodologically-driven investigation of these effects and an attempt to understand how to follow an optimal path – if any – during the implementation of ML techniques to similar problems.
Βιογραφικό
Dr. Dimitrios Meimaroglou is currently an associate professor in the Chemical Engineering Department (ENSIC) of the University of Lorraine. He was awarded the Chair of Excellence in Polymer Reaction Engineering from 2011 to 2016. His main research interests, within the group of “Product Engineering” of the Laboratory of Reactions and Chemical Engineering (LRGP), are focused on developing mathematical models with applications both in the fields of polymers as well as within a general Product Design framework. Both knowledge-based and data-driven techniques are implemented in this sense, with a special emphasis on the use of stochastic Monte Carlo algorithms and Machine Learning methods.
Η εκδήλωση θα βιντεοσκοπηθεί, θα μεταδοθεί ζωντανά και θα ληφθεί φωτογραφικό υλικό. Το ψηφιακό υλικό θα προβληθεί στις ιστοσελίδες και στα επίσημα κανάλια του Πολυτεχνείου Κρήτης και του EURECA-PRO και η εκδήλωση θα δημοσιοποιηθεί στα μέσα κοινωνικής δικτύωσης, σε δελτία τύπου και σε newsletters. Για οποιοδήποτε θέμα σχετικό με τα προσωπικά σας δεδομένα, μπορείτε να ενημερωθείτε μέσω της σελίδας με την πολιτική προστασίας προσωπικών δεδομένων του Ιδρύματος
https://creta24.gr/eureca-pro-polytechneiou-kritis-dialexi-apo-ton-an-kath-dimitrio-meimaroglou/
