SubsidieMeestersMERCURYLAB NEW CALIBRATION METHOD FOR MICRO-SCALE DISCRETE PARTICLE SIMULATIONS
Het project richt zich op het ontwikkelen van een machine-learning gebaseerde kalibratiemethode voor microschaalsimulaties van korrelige stoffen, met aandacht voor diverse parameters en veiligheidsaspecten.
Projectdetails
Inleiding
De hoofddoelstelling van dit project is het onderzoeken en ontwikkelen van een nieuwe kalibratiemethode voor gebruik in microschaalsimulaties van korrelige stoffen. MercuryLab wil middels dit onderzoek antwoord krijgen op de volgende belangrijkste haalbaarheidsvragen:
Haalbaarheidsvragen
- Wat zijn alle verschillende parameters waarmee het kalibratie-algoritme rekening mee moet kunnen houden? En hoe kan dit worden bepaald middels een machine-learning benadering, bijvoorbeeld: luchtvochtigheid en temperatuur?
- Welke korrelige materialen moeten gesimuleerd kunnen worden, en zijn er bepaalde materialen die men niet kan simuleren?
- Hoe gaat men om met het meten van gevaarlijke of gereguleerde stoffen, zoals gebruikt worden in de farmaceutische industrie?
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 20.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2021 |
Partners & Locaties
Projectpartners
- MERCURY LAB B.V.penvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Next Gen Cloud Solution for Micro-Scale Discrete Particle SimulationsHet project richt zich op het ontwikkelen van een universele Cloudoplossing voor maatwerk applicaties in Mercury Lab's simulatiesoftware, met nadruk op workflow-standaardisatie en samenwerking. | Mkb-innovati... | € 20.000 | 2023 | Details |
Haalbaarheidsstudie naar deeltjesidentificatiesysteem voor het meten van korrelgrootte in premix-samplesDit project onderzoekt een alternatieve, eenvoudige meetmethode voor korrelgrootte in premix grondstoffen om de homogeniteit te verbeteren en minimaal 100 stoffen te analyseren. | Mkb-innovati... | € 20.000 | 2021 | Details |
MicrosamplerDit project ontwikkelt een geautomatiseerde samplingmachine om efficiënt edelmetalen in gebruikte producten te analyseren voor recycling. | Mkb-innovati... | € 20.000 | 2021 | Details |
Haalbaarheidsonderzoek naar de kwaliteitsinspectie bij de productie van lab-on-a-chip productenHet project onderzoekt de haalbaarheid van een geautomatiseerd kwaliteitsinspectiesysteem voor lab-on-a-chip producten, gericht op economische en technische randvoorwaarden voor verdere ontwikkeling. | Mkb-innovati... | € 20.000 | 2023 | Details |
Kalibratie vriendelijke temperatuur sensor laboratoria en farmacieOntwikkeling van een vocht- en temperatuur ongevoelige Nano-connector voor efficiënte kalibratie van PT100 temperatuur sensoren in laboratoria, ter verbetering van kwaliteitsborging en procesoptimalisatie. | Mkb-innovati... | € 20.000 | 2021 | Details |
Next Gen Cloud Solution for Micro-Scale Discrete Particle Simulations
Het project richt zich op het ontwikkelen van een universele Cloudoplossing voor maatwerk applicaties in Mercury Lab's simulatiesoftware, met nadruk op workflow-standaardisatie en samenwerking.
Haalbaarheidsstudie naar deeltjesidentificatiesysteem voor het meten van korrelgrootte in premix-samples
Dit project onderzoekt een alternatieve, eenvoudige meetmethode voor korrelgrootte in premix grondstoffen om de homogeniteit te verbeteren en minimaal 100 stoffen te analyseren.
Microsampler
Dit project ontwikkelt een geautomatiseerde samplingmachine om efficiënt edelmetalen in gebruikte producten te analyseren voor recycling.
Haalbaarheidsonderzoek naar de kwaliteitsinspectie bij de productie van lab-on-a-chip producten
Het project onderzoekt de haalbaarheid van een geautomatiseerd kwaliteitsinspectiesysteem voor lab-on-a-chip producten, gericht op economische en technische randvoorwaarden voor verdere ontwikkeling.
Kalibratie vriendelijke temperatuur sensor laboratoria en farmacie
Ontwikkeling van een vocht- en temperatuur ongevoelige Nano-connector voor efficiënte kalibratie van PT100 temperatuur sensoren in laboratoria, ter verbetering van kwaliteitsborging en procesoptimalisatie.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Digitaal formuleren & reologie voorspellen viacompatibiliteitsparameters HSPVLCI en EAL ontwikkelen een digitale reometer die simulaties biedt voor chemische formulaties, waardoor de trial-and-error aanpak in R&D efficiënter wordt en de time to market verkort. | Mkb-innovati... | € 193.470 | 2018 | Details |
Implementation of new machine learning algorithms for the optimisation of drug formulationsMACHINE-DRUG aims to leverage machine learning to accelerate the prediction of crystalline forms in pharmaceuticals, enhancing drug efficacy and stability while exploring broader industrial applications. | ERC Proof of... | € 150.000 | 2023 | Details |
Modelling transient granular flowMOTRAN develops a novel constitutive model for granular materials that unifies solid and fluid behaviors, enabling high-fidelity simulations of transient flows through advanced numerical techniques. | ERC Advanced... | € 2.498.551 | 2024 | Details |
Virtual ChemistHet project ontwikkelt de Virtual Chemist, een innovatieve analysemethode voor plasticrecycling die eigenschappen van materialen snel en betrouwbaar bepaalt met hyperspectrale camera's en AI-technieken. | Mkb-innovati... | € 184.340 | 2017 | Details |
Solving the multi-scale problem in materials mechanics: a pathway to chemical designDevelop a groundbreaking computational framework to predict the viscoelastic and plastic behavior of complex materials across various deformation rates, overcoming current simulation limitations. | ERC Consolid... | € 952.785 | 2022 | Details |
Digitaal formuleren & reologie voorspellen viacompatibiliteitsparameters HSP
VLCI en EAL ontwikkelen een digitale reometer die simulaties biedt voor chemische formulaties, waardoor de trial-and-error aanpak in R&D efficiënter wordt en de time to market verkort.
Implementation of new machine learning algorithms for the optimisation of drug formulations
MACHINE-DRUG aims to leverage machine learning to accelerate the prediction of crystalline forms in pharmaceuticals, enhancing drug efficacy and stability while exploring broader industrial applications.
Modelling transient granular flow
MOTRAN develops a novel constitutive model for granular materials that unifies solid and fluid behaviors, enabling high-fidelity simulations of transient flows through advanced numerical techniques.
Virtual Chemist
Het project ontwikkelt de Virtual Chemist, een innovatieve analysemethode voor plasticrecycling die eigenschappen van materialen snel en betrouwbaar bepaalt met hyperspectrale camera's en AI-technieken.
Solving the multi-scale problem in materials mechanics: a pathway to chemical design
Develop a groundbreaking computational framework to predict the viscoelastic and plastic behavior of complex materials across various deformation rates, overcoming current simulation limitations.