ML en Catalyse

Résumé du Projet : Cette page met en valeur mes contributions principales à l'application du machine learning (ML) en catalyse, en abordant des aspects à la fois fondamentaux et appliqués. L'accent est mis sur la modélisation cinétique, la prédiction de performance catalytique et la conception de systèmes réactionnels assistée par ML.

Contributions Clés :

• Auteur principal d'une revue complète dans Chemical Engineering Journal (CEJ) décrivant les approches actuelles et émergentes du ML en catalyse
• Auteur principal d'un article Perspective dans New Journal of Chemistry (NJC) sur le ML pour la production photocatalytique d'hydrogène, abordant les bases de la photocatalyse, les approches classiques et basées sur les données pour relever les défis du domaine, ainsi qu'une comparaison catalyse vs photocatalyse et des discussions sur les descripteurs, les données et les stratégies de conception

Publications :

• Recent developments in the use of machine learning in catalysis: A broad perspective with applications in kinetics – CEJ (2025)
• Artificial Intelligence-Driven Advances in Photocatalytic Hydrogen Production – NJC

Figure 1 : Cadre d'intégration du machine learning dans la conception de systèmes catalytiques

Figure 2 : Combinaison de données expérimentales et synthétiques pour surmonter les limitations

Figure 3: Vue moléculaire, bande interdite, conditions expérimentales et machine learning en photocatalyse.