Filter results

9845 resultaten

Understanding the learning process: machine learning and computational chemistry for hydrogenation

Machine learning is being mentioned all around, but can it be applied to modelling homogeneous catalysis? Researchers from TU Delft together with Janssen Pharmaceuticals published an extensive study accompanied by one of the biggest datasets on rhodium-catalyzed hydrogenation in Chemical Science trying to answer this question. Adarsh Kalikadien Evgeny Pidko For more than half a century, Rhodium-based catalysts have been used to produce chiral molecules via the asymmetric hydrogenation of prochiral olefins. The importance of this transformation was acknowledged by a Nobel prize given to Noyori and Knowles for their contributions in this field. Nowadays, asymmetric hydrogenation catalysts are widely used in the pharmaceutical industry, numerous chiral ligands are available to tackle a wide range of prochiral substrates and the reaction mechanism has been extensively studied. Consequently, one would expect that finding the best catalyst for the asymmetric hydrogenation of a new substrate is a trivial task. Unfortunately, this is not the case and a tedious and costly experimental screening is still needed. Adarsh Kalikadien and Evgeny Pidko from TU Delft together with experts in high-throughput-experimentation, data science and computational chemistry from Janssen Pharmaceutica in Belgium decided to investigate whether a well-trained machine could do the job. To their surprise, the machine was actually not able to learn as much as they expected. The idea was to set up a simple model reaction with a well-known rhodium catalyst. Based on the experimental data generated by the high-throughput experimentation team of Janssen, a computational dataset was built to which multiple machine learning models were applied. “We digitalized the 192 catalyst structures and represented them with features of various levels of complexity for the machine learning models,” says Kalikadien, a PhD student in Pidko’s group. "The interesting thing was that all the simpler models, including the random model, showed similar performances as the expensive variant, which intrigued us. It turned out to be an early indication that the machine was not really learning anything useful.” "One of our conclusions was, when tested more extensively, that for an out-of-domain modeling approach, it doesn't matter what representation you put in”. Nevertheless, although the team was not able to build an accurate model, their study was worth publishing. The publication process went relatively smoothly. “Although the first journal we contacted rejected our submission as too specialized, the high-impact journal Chemical Science saw the value of this work. Not many researchers are interested in just seeing the R2 value of a model and then having no possibility to use it, they are probably interested in an in-depth analysis like ours. So we were able to submit our data, code and even interactive figures there for everyone to use.” At the moment there is a big incentive for publishing negative data in order to help the community to assess the true added value of machine learning, since models trained on mainly positive results tend to become very biased. "We made everything open source," says Kalikadien. "Not only is all the data accessible, but we also offer the code including packages and instructions, so that anyone who is interested can do the same type of research." In this way, they have published one of the largest datasets of a certain type of hydrogenation reaction. What's next? "Our representation of the catalyst wasn't as meaningful for the machine learning models as we had hoped, so we are now looking for a representation that may be less simplified but still as simple as possible," says Kalikadien. "Creating a digital representation of your catalyst should not cost way more money than running the actual experiment, so we are trying to incorporate more information from the reaction mechanism into the model without making it too extensive. A more dynamic and hopefully more informative version of the representation." Read the publication Adarsh Kalikadien, Cecile Valsecchi, Robbert van Putten, Tor Maes, Mikko Muuronen, Natalia Dyubankova, Laurent Lefort and Evgeny A. Pidko

Bipolar membranes for intrinsically stable and scalable CO2 electrolysis

The energy transition requires technology to supply sustainable carbon-based chemicals for hard-to-abate sectors such as long-distance transport and plastic manufacturing. These necessary hydrocarbon chemicals and fuels, responsible for 10-20% of the global greenhouse gas emissions, can be produced sustainably by the electrolysis of captured CO 2 using renewable electricity. Currently, the state-of-the-art CO 2 electrolyzers employ anion exchange membranes (AEMs) to facilitate the transport of hydroxide ions from the cathode to the anode. However, CO 2 is crossing the membrane as well, resulting in a loss of reactant and unfavourable anode conditions which necessitates the use of scarce anode materials. Bipolar membranes (BPMs) offer an alternative that addresses the problem of CO 2 crossover but still requires research to match the product selectivity of AEM-based systems. Our perspective, a collaboration between groups of David Vermaas, Tom Burdyny and Marc Koper, published in Nature Energy, assesses the potential of BPMs for CO 2 electrolysis by looking at CO 2 utilization, energy consumption, and strategies to improve the product selectivity. Abstract CO 2 electrolysis allows the sustainable production of carbon-based fuels and chemicals. However, state-of-the-art CO 2 electrolysers employing anion exchange membranes (AEMs) suffer from (bi)carbonate crossover, causing low CO 2 utilization and limiting anode choices to those based on precious metals. Here we argue that bipolar membranes (BPMs) could become the primary option for intrinsically stable and efficient CO 2 electrolysis without the use of scarce metals. Although both reverse- and forward-bias BPMs can inhibit CO 2 crossover, forward-bias BPMs fail to solve the rare-earth metals requirement at the anode. Unfortunately, reverse-bias BPM systems presently exhibit comparatively lower Faradaic efficiencies and higher cell voltages than AEM-based systems. We argue that these performance challenges can be overcome by focusing research on optimizing the catalyst, reaction microenvironment and alkali cation availability. Furthermore, BPMs can be improved by using thinner layers and a suitable water dissociation catalyst, thus alleviating core remaining challenges in CO 2 electrolysis to bring this technology to the industrial scale. Go to the publication Kostadin Petrov Christel Koopman David Vermaas Tom Burdyny Siddharta Subramanian

Half Height Horizontal

Oude nederzettingen in Colombia traceren met remote sensing

Een team van de LDE -alliantie (Universiteit Leiden, TU Delft en Erasmus Universiteit Rotterdam) vroeg zich af of het mogelijk is om met remote sensing-technieken te speuren naar tekenen van oude nederzettingen in de jungle. Voor een expeditie in een dichtbegroeid bos in Colombia sloeg het team, waaronder remote sensing expert Felix Dahle van de TU Delft, de handen ineen met archeologen en drone-experts uit Colombia. In bergachtige bossen zijn drones een betaalbare oplossing om het gebied in kaart te brengen. Vanaf de grond zijn de locaties vaak slecht of niet toegankelijk. Een LiDAR-laserscanner heeft zijn waarde al bewezen in kustwaarnemingen , maar de vraag was of LiDAR de dichte boomtoppen kon omzeilen. Bomen reflecteren de laser, dus het was cruciaal om dichtbij te vliegen zodat de laser zijn weg door het bladerdek kon vinden. Het team monteerde een draagbare LiDAR-laserscanner op een drone en ging op expeditie in de buurt van oude terrassen van de Tairona-cultuur in de Sierra Nevada van Santa Marta. “We moesten de juiste plek vinden. Dicht bij de archeologische vindplaatsen en toch veilig boven het bladerdak”, zegt Felix Dahle. En het is gelukt. De LiDAR-laserscanner maakte een puntenwolk en een gedetailleerd 3D-model van het landschap. “We waren in staat om oude terrassen in de jungle zichtbaar te maken. We ontdekten dat we door het bos heen kunnen scannen als het niet te dicht is, maar sommige gebieden bleven ondoorgrondelijk. We konden ook verschillende vegetatietypen onderscheiden, wat ook van grote waarde kan zijn bij het vinden van onontdekte archeologische vindplaatsen.”

TU Delft jointly wins XPRIZE Rainforest drone competition in Brazil

TU Delft wint gezamenlijk XPRIZE Rainforest competitie in de Amazone, Brazilië Stel je zich voor: snelle en autonome robottechnologie gebruiken voor onderzoek naar de groene en vochtige longen van onze planeet; onze wereldwijde regenwouden. Drones die autonoom eDNA samplers en netten voor in boomtoppen inzetten, brengen de rijke biodiversiteit van deze complexe ecosystemen aan het licht en onthullen de effecten van menselijke activiteiten op de natuur en klimaatverandering. Op 15 november 2024, na vijf jaar intensief onderzoek en competitie, bereikte het ETHBiodivX-team, waarvan ook Luchtvaart- en Ruimtevaartonderzoekers van de TU Delft, Salua Hamaza en Georg Strunck, deel uitmaakten, een opmerkelijke mijlpaal: het winnen van de XPRIZE Rainforest Bonus Prize voor uitmuntende inspanningen bij het gezamenlijk ontwikkelen van inclusieve technologie voor natuurbehoud. Het doel: geautomatiseerde technologie en methoden ontwikkelen om bijna realtime inzichten te krijgen in biodiversiteit - het leveren van noodzakelijke gegevens die kunnen bijdragen aan behoud en beleid, duurzame bio-economieën kunnen ondersteunen en inheemse volkeren en lokale gemeenschappen, die de belangrijkste beschermers en kennishouders zijn van de tropische regenwoudens op aarde, meer macht kunnen geven. Het ETHBiodivX team, bestaande uit experts in Robotica, eDNA en Data Insights, ging de enorme uitdaging aan om de manier waarop we ecosystemen monitoren te automatiseren en te stroomlijnen. Aan het hoofd van de robotica-afdeling, een samenwerking tussen Universitair Hoofddocent Salua Hamaza van de TU Delft, prof. Stefano Mintchev van de ETH Zürich en prof. Claus Melvad en Toke Thomas Høye, ontwikkelt baanbrekende robotoplossingen om autonoom ecologische en biologische gegevens te verzamelen. “We stonden voor de immense uitdaging om robots in het wild in te zetten - en niet zomaar in een buitenomgeving, maar in een van de meest veeleisende en onbekende: de natte regenwouden. Dit vereiste buitengewone inspanningen om robuustheid en betrouwbaarheid te garanderen, waarbij we de grenzen verlegden van wat de hardware kon bereiken voor autonome gegevensverzameling van beelden, geluiden en eDNA in het Amazonegebied”, zegt universitair hoofddocent Hamaza. “Uiteindelijk zal deze technologie beschikbaar zijn voor inheemse gemeenschappen als hulpmiddel om de voortdurende veranderingen in de biodiversiteit van het bos beter te begrijpen, die de lokale bevolking voorziet van essentiële hulpbronnen zoals voedsel en onderdak.” . . . .

Veiligere en efficiëntere bloedvatbehandelingen door innovatieve kathetertechnologie

Wereldwijd worden jaarlijks meer dan 200 miljoen katheters gebruikt voor de behandeling van vaatziekten zoals hartaandoeningen en slagadervernauwing. Hoewel essentieel, brengt het gebruik van katheters risico’s met zich mee: wrijving tussen de katheter en de vaatwand kan complicaties veroorzaken. Een nieuwe technologie, ontwikkeld door Mostafa Atalla en zijn team, biedt een oplossing. Met één druk op de knop kan de wrijving van de katheter worden aangepast, van maximale grip naar volledige gladheid. Deze innovatie belooft niet alleen veiligere, maar ook efficiëntere endovasculaire procedures mogelijk te maken. De resultaten zijn gepubliceerd in het wetenschappelijk tijdschrift IEEE. Slimme katheter met instelbare wrijving Het nieuwe katheterprototype is uitgerust met geavanceerde technologie die de wrijving tussen de katheter en vaatwand nauwkeurig reguleert via ultrasone trillingen. Dit mechanisme zet via ultrasone trillingen de dunne vloeistoflaag onder druk waardoor de wrijving dynamisch kan worden aangepast: lage wrijving voor soepele navigatie door bloedvaten en hogere wrijving voor optimale stabiliteit tijdens een procedure. Tests tonen aan dat deze techniek de wrijving op harde oppervlakken met gemiddeld 60% vermindert en op zachte oppervlakken met 11%. Veelbelovende resultaten Bij experimenten op dierlijk aortaweefsel heeft het prototype zijn potentieel bewezen. Deze innovatie kan niet alleen bij vaatbehandelingen worden ingezet, maar mogelijk ook bij andere medische procedures, zoals interventies in de darmen. De onderzoekers zijn nu bezig de technologie verder te ontwikkelen en te testen op bredere toepassingen. Meer informatie Publicatie DOI: 10.1109/TMRB.2024.3464672 Toward Variable-Friction Catheters Using Ultrasonic Lubrication | IEEE Journals & Magazine | IEEE Xplore Mostafa Atalla: m.a.a.atalla@tudelft.nl | Aimee Sakes: a.sakes@tudelft.nl | Michael Wiertlewski: m.wiertlewski@tudelft.nl Wil je een demonstratie bijwonen of in contact komen met een van de onderzoekers neem contact op met: Fien Bosman, persvoorlichter TU Delft Health: f.j.bosman@tudelft.nl/ 0624953733