Fingerprinting und thermodynamische Modellierung schlecht spezifizierter Mischungen mit NMR Spektroskopie und Maschinellem Lernen

• Antragsteller: Professor Dr.-Ing. Fabian Jirasek
• Fachliche Zuordnung: Chemische und Thermische Verfahrenstechnik
• Förderung: Förderung von 2021 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 462456621

Ziel des vorliegenden Projekts ist die Entwicklung von Methoden zur thermodynamischen Modellierung von Mischungen, deren Zusammensetzung unbekannt ist (sog. schlecht spezifizierte Mischungen), mit Hilfe der NMR Spektroskopie und Maschinellem Lernen. Schlecht spezifizierte Mischungen treten in der Verfahrenstechnik häufig auf und stellen eine große Herausforderung dar, weil ihre Stoffeigenschaften nicht mit klassischen thermodynamischen Modellen beschrieben werden können; die Anwendung klassischer Modelle setzt eine vollständige Kenntnis der Zusammensetzung einer Mischung voraus. Diese Herausforderung wird im vorliegenden Projekt adressiert durch 1) die Entwicklung von automatisierten Methoden zur Aufklärung und Quantifizierung von chemischen Strukturgruppen in schlecht spezifizierten Mischungen mit Hilfe der NMR Spektroskopie (1H, 13C, 13C DEPT, 1H-13C HSQC NMR Experimente) und dem Konzept der Support Vector Classification aus dem Maschinellen Lernen; 2) die Entwicklung von automatisierten Methoden zur sinnvollen Definition von Pseudo-Komponenten auf Basis der erhaltenen gruppenspezifischen Charakterisierung sowie DOSY NMR Experimenten; und 3) die Kombination der entwickelten Methoden mit thermodynamischen Gruppenbeitragsmethoden, um die Stoffdaten von schlecht spezifizierten Mischungen vorherzusagen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: USA
• Mitverantwortliche: Professor Dr. Robert Bamler; Dr. Kerstin Münnemann
• Kooperationspartner: Professor Dr. Stephan Mandt