Het Nationaal Groei Fonds project Big Chemistry heeft acht consortia voorzien van €2,8 miljoen. De focus van de projecten ligt daarbij op het versnellen van ’de zoektocht naar chemicaliën met de juiste, gewenste eigenschappen’.

Onder de projectleiders vinden we veel bekenden van C2W | Mens & Molecule. Hieronder vind je de samenvattingen van de projecten, met daarbij linkjes naar onze verhalen die de projectleiders of hun onderzoek uitlichten (deze staan los van de onderstaande projecten).

Biobased Peptide Surfactants via Borrowing Hydrogen Catalysis – prof. dr. B.L. Feringa (Rijksuniversiteit Groningen)

Consortiumpartner: Syensqo

Een Natuurlijk Schoon Gevoel. In dit onderzoeksproject worden nieuwe surfactanten voor personal care producten zoals zeep en shampoo ontwikkeld gebaseerd op biologische grondstoffen. Een combinatie van aminozuren en plantaardige oliën worden omgezet in een nieuw te ontwikkelen groen chemisch proces. Hierbij wordt gebruik gemaakt van Artificial Intelligence AI en robotics methoden om zowel nieuwe katalysatoren voor de duurzame chemische omzetting te ontdekken alsmede de complexe surfactant systemen in water te optimaliseren voor toekomstige toepassingen.

Nabij-infrarood licht drijft moleculaire motoren aanWaterstof in bruikleen maakt ‘groene’ zeepWerken aan duurzaamheid begint bij het eigen lab‘Wat Moeder Natuur kan, moeten wij beter kunnen’

CASEIN: Casein Assembly Systematically Engineered with Integrated Neural networks – prof. dr. ir. J.C.M. van Hest (TU Eindhoven)

Consortiumpartners: Arla Foods Amba

Van Molecuul tot Melk: Caseïne fasescheiding. Melk, yoghurt, kaas en andere zuivelproducten zijn een belangrijk onderdeel van het dieet van veel mensen. De productie van deze producten kan echter een aanzienlijke impact op het milieu hebben en bijdragen aan onze ecologische voetafdruk. In dit project werken onderzoekers van de Technische Universiteit Eindhoven samen met zuivelproducent Arla om het gedrag van een essentieel melkeiwit, caseïne, beter te begrijpen. Met behulp van een combinatie van robotica en artificiële intelligentie bestuderen zij de eigenschappen van caseïne. Deze fundamentele kennis draagt bij aan de ontwikkeling van nieuwe zuivelproducten, die naast melk ook plantaardige ingrediënten bevatten.

Polymeerskelet houdt synthetische cel in vormArtificiële celcommunicatie: eiwit op bestellingOntdekkingstocht naar moleculaire schoonheidComplexe systemen vragen brede blik

High-throughput measurements and deep learning of polymer properties – prof. dr. W.T.S. Huck (Radboud Universiteit)

Consortiumpartners: TNO, VLCI

De oplossing voor problemen met polymeren. In dit project zullen we met behulp van high-throughput experimenten en gebruik makend van robots voor het hanteren van vloeistoffen en vaste stoffen, de oplosbaarheid van 1000 polymeren in meer dan 25 verschillende oplosmiddelen bepalen en de viscositeit van polymeeroplossingen bij veel verschillende concentraties meten. Deze dataset zal worden gebruikt om een deep learning-model te trainen om de eigenschappen van polymeren in oplossing te voorspellen. De dataset voor polymeereigenschappen en het deep learning-model zullen de innovatie in de formuleringswetenschap versnellen.

High-throughput characterization for improved prediction of surfactant mixture properties – prof. dr. W.T.S. Huck (Radboud Universiteit)

Consortiumpartner: Croda International

High-throughput analyses voor versneld ontwerp van complexe formuleringen van oppervlakte-actieve stoffen Bijna elke formulering die we in ons dagelijks leven gebruiken, zoals shampoos, verf of cosmetica, bevat een mengsel van oppervlakte-actieve stoffen. De interacties tussen deze oppervlakte-actieve stoffen zijn echter moeilijk te voorspellen en daarom is het moeilijk om nieuwe formuleringen op een gerichte manier te ontwerpen. In dit project zullen we methoden implementeren om belangrijke formuleringseigenschappen, zoals oppervlaktespanning, oplosbaarheid en schuimvorming, met hoge snelheid te analyseren. We zullen deze methoden gebruiken om een dataset te verzamelen waaruit we de relatie tussen de samenstelling van het mengsel van oppervlakte-actieve stoffen en de formuleringseigenschappen kunnen leren. Deze dataset en dit model zullen daarmee het ontwerp van nieuwe formuleringen versnellen.

Chemische reactie rekent erop losSpinozaprijs: Van chemie tot levenDe essentie van levenOrigins Center klaar voor de start

Automated navigation of bio-based building block implementation in complex resin formulations – dr. ir. P.A. Korevaar (Radboud Universiteit)

Consortiumpartners: Koninklijke van Wijhe Verf, WYDO NBD

Geautomatiseerde navigatie van bio-gebaseerde bouwsteen-implementatie in complexe verfformuleringen. Een belangrijke uitdaging bij de formulering van complexe verfoplossingen is het introduceren van bio-gebaseerde polymeerbindmiddelen als vervangers voor olie-gebaseerde ingrediënten. Het formuleren van een nieuwe verbinding in dispersies of emulsies met rheologische eigenschappen van verf vereist het navigeren door zeer multidimensionale parameterruimtes van polymeerstructuren, additieven (o.a. dispergeermiddelen, co-oplosmiddelen, surfactanten), concentraties en bereidingsprotocollen. Gebruikmakende van polyhydroxyalkanoaten als een platform van biogebaseerde verf bindmiddelen zullen we high-throughput-methodologieën en machine learning-strategieën ontwikkelen. Deze zullen de noodzakelijke overgang naar “de verf van de toekomst” aanzienlijk versnellen, en uiteindelijk ook helpen bij het voorstellen van geschikte moleculaire structuren als nieuwe bio-gebaseerde verfingrediënten.

Predator: op jacht naar laatste druppelComputer draait aan zelfassemblageGeef zelfassemblage je eigen draai

Defining the optimal bio-based surfactant; synthesis, robotics, and machine learning in concert – prof. dr. ir. A.J. Minnaard (Rijksuniversiteit Groningen)

Consortiumpartner: Henkel AG

Schoonmaakmiddelen gemaakt van hernieuwbare grondstoffen zullen de huidige schoonmaakmiddelen op basis van fossiele grondstoffen vervangen. Maar het is een uitdaging om vergelijkbare prestaties te bereiken met natuurlijke oppervlakte-actieve stoffen, die nieuw zijn in vergelijking met de conventionele oppervlakte-actieve stoffen die al tientallen jaren worden geproduceerd. Het maken van bibliotheken van nieuwe oppervlakte-actieve stoffen op en het uitkiezen van de beste, of de beste combinatie hiervan, is een effectieve strategie. Kunstmatige intelligentie zal deze selectie versnellen en een enorme hoeveelheid experimentele trial-and-error besparen.

Intermoleculaire Diels-Alder is laatste stap in supercomplexe natuurstofVerborgen chiraliteit aan het vibrationele licht brengen‘Universitair chemici zijn er om kennis te verwerven, niet om problemen op te lossen’Een molecuul van superlatieven

BioSoftCoat: Balancing Softness and Durability in Ultra-Soft Coatings: A Robotics and Machine Learning Approach – dr. G. Vantomme (TU Eindhoven)

Consortiumpartner: SupraPolix

Ultrazachte coatings zijn essentieel voor biomedische toepassingen zoals implantaten, wondverbanden en medicijnafgifte, omdat ze zich naadloos aanpassen aan biologische weefsels. Het balanceren van zachtheid en duurzaamheid is echter een grote uitdaging: zachtere coatings verliezen vaak mechanische stabiliteit. Dit onderzoek combineert AI, robotica en high-throughput experimenten om de relaties tussen structuur en eigenschappen van ultrazachte coatings in kaart te brengen. Door beter te begrijpen hoe moleculaire assemblage zachtheid en duurzaamheid beïnvloedt, ontwikkelen we innovatieve biomaterialen die patiëntcomfort, wondgenezing en therapeutische effectiviteit verbeteren. Deze aanpak versnelt materiaalontwikkeling en opent nieuwe mogelijkheden voor medische toepassingen.

Oligomeren, verenigt u!

AROMA: Accelerated Research in Olfactory Molecular AI – dr. J.M. Weber (TU Delft)

Consortiumpartner: DSM-Firmenich

AROMA: Accelerated Research in Olfactory Molecular AI. Het voorspellen van smaakervaringen uit moleculaire formuleringen blijft een al lang bestaand vraagstuk in de chemie. Deskundige smaakmakers vertrouwen op jarenlange ervaring om succesvolle combinaties te maken. AROMA richt zich op de ontwikkeling van nieuwe chemische AI-methodes voor het voorspellen van eigenschappen en high-throughput iteratieve experimenten voor formuleringen. We introduceren semantiek in schema’s voor representatieleren, ontwikkelen een eigenschappenvoorspeller en ontwerpen slimme iteratieve experimenten. AROMA voorspelt verdelingscoëfficiënten (vrijkomen) van smaakmoleculen in dranken. Onze chemische AI-methoden versnellen het ontwerp van dranken met een verlaagd alcoholgehalte, waarbij bekende sensorische profielen van alcoholrijke equivalenten worden nagebootst. 

Er zijn (nog) geen artikelen met Jos Weber bij ons gepubliceerd

Voor meer informatie over de financiering, zie de site van NWO.