Insegnamento INNOVAZIONE DIGITALE IN CHIMICA PER RICERCA E IMPRESA
- Corso
- Scienze chimiche
- Codice insegnamento
- A004653
- Curriculum
- Comune a tutti i curricula
- Docente
- Gabriele Cruciani
- Docenti
-
- Gabriele Cruciani
- Jenny Desantis (Codocenza)
- Ore
- 39 ore - Gabriele Cruciani
- 8 ore (Codocenza) - Jenny Desantis
- CFU
- 6
- Regolamento
- Coorte 2024
- Erogato
- 2024/25
- Attività
- Caratterizzante
- Ambito
- Discipline chimiche organiche
- Settore
- CHIM/06
- Tipo insegnamento
- Obbligatorio (Required)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- ITALIANO
- Contenuti
- La chimica moderna è la spina dorsale della nostra società, ma è anche considerata un importante contributo all'inquinamento ambientale globale e alla crisi climatica. La transizione verso un futuro sostenibile richiede una trasformazione radicale del modo in cui i processi chimici sono progettati sviluppati e utilizzati. Questo richiede innovazione sull’uso dei dati, una aumentata flessibilità e trasparenza di flussi di informazioni chimiche e una aumentata sostenibilità dei processi a partire dalla progettazione molecolare fino alle problematiche che affrontano la complessità delle interazioni tra la chimica e la salute umana e dell’ambiente. Il corso mostrerà come sia possibile una efficiente riduzione dei costi di ricerca e sviluppo mediante una opportuna digitalizzazione ed uso intelligente dei dati sperimentali. Verranno riportate le tecniche di simulazione per identificare i composti chimici e prevedere il loro impatto ambientale.
- Testi di riferimento
- Il materiale didattico dei contenuti del corso è fornito direttamente dal docente in forma elettronica come pdf. Per ulteriore materiale contattare i docenti
- Obiettivi formativi
- L’obiettivo primario dell’insegnamento è di fornire agli studenti le basi concettuali per contribuire a progettare o per utilizzare prodotti di digitalizzazione in applicazioni chimiche, anche industriali. Inoltre, poiché si discuretanno anche potenziali applicazioni in spettroscopia, spettrometria di massa e sintesi organica, lo studente avrà la possibilità di consolidare ed approfondire queste tematiche. Attività di laboratorio supporteranno il processo di apprendimento.
A fine corso lo studente dovrebbe essere in grado di comprendere le principali strategie di digitalizzazione in campo chimico, e sapere progettazione e utilizzare strategie volte all’ottimizzazione di processi, all’utilizzo di banche dati, alla progettazione inversa. - Prerequisiti
- Conoscenze di base in chimica generale e organica, competenze informatiche di base.
- Metodi didattici
- Il corso prevede esercitazioni di laboratorio ed è così organizzato:
-Lezioni frontali in aula su tutti gli argomenti del corso della durata di 2 ore ciascuna.
-Esperienze di laboratorio sia dimostrative che in gruppi.
-Valutazione in itinere del grado di apprendimento degli studenti tramite risoluzione collegiale di casi di studio. Quest’attività è una forma di allenamento alla prova di esame. - Altre informazioni
- Gabriele Cruciani: gabriele.cruciani@unipg.it
- Modalità di verifica dell'apprendimento
- L’esame prevede una prova scritta e una orale. La prima consiste nel rispondere in forma aperta ad una domanda volta a risolvere un problema reale con gli strumenti forniti durante il corso, e una domanda di laboratorio sulla produzione di dati sperimentali di NMR e LC-MS/MS (inclusa la lettura di uno spettro). La seconda prevede una discussione della durata di circa 30 minuti finalizzata all’accertamento delle capacità dello studente di descrivere ed applicare i concetti acquisiti.
- Programma esteso
- • Definizione e importanza dell'innovazione digitale in chimica
• Storia e sviluppo della chimica computazionale
• Meccanica Molecolare e quantistica in chimica
• Dinamica molecolare
• Introduzione al big data e al machine learning
• Applicazioni del machine learning nella previsione delle proprietà molecolari
• Algoritmi di machine learning comuni (regressione, reti neurali)
• Uso dell'intelligenza artificiale per la sintesi automatizzata
• Robotica in laboratorio e chimica automatizzata
• Strumentazione e controllo di processi tramite IA
• Tecniche di visualizzazione molecolare e rappresentazione dei dati
• Strumenti software per la visualizzazione 3D (PyMOL, Chimera, Sybyl)
• Analisi dei dati e grafici interattivi
• Produzione, digitalizzazione ed uso di dati spettrali (LC-MS, NMR)
• Applicazione dei dati spettrali digitalizzati per la ricerca avanzata ed high-throughput
• Discussione sui trend futuri nell'innovazione digitale in chimica
• Applicazione di tecniche innovative in attuali progetti di ricerca e sviluppo
• Integrazione di varie tecnologie per affrontare progetti di ricerca