Projektbeschreibung
Rationales Design für metallorganische Gerüstverbindungen
Metallorganische Gerüstverbindungen kombinieren das Beste aus beiden Welten, der organischen und der anorganischen. Sie ergeben hybride kristalline und hochporöse Strukturen, die sich hervorragend für die Aufnahme kleiner Moleküle eignen, die zugeführt oder entfernt werden sollen. Ihre praktisch grenzenlose Abstimmbarkeit lässt sich auch mit zeitaufwändigen Syntheseverfahren nach dem Prinzip von Versuch und Irrtum nicht vollständig ausschöpfen. Ein besseres Verständnis der Selbstorganisationsmechanismen wird die gelenkte Steuerung der Bildung von Bausteinen, der Keimbildung und des Wachstums erleichtern. Das EU-finanzierte Projekt MAGNIFY wird sich mit dieser kritischen Wissenslücke beschäftigen. Das Team wird einen mehrskaligen Rechenansatz entwickeln, um die der Selbstorganisation metallorganischer Gerüstverbindungen zugrundeliegenden Mechanismen zu entschlüsseln. Zudem sollen die Beziehungen zwischen Synthesebedingungen und Struktur vorhergesagt werden, damit das rationale Design metallorganischer Gerüstverbindungen schnell und ressourcenschonend gelingt.
Ziel
Metal-Organic Frameworks (MOFs) are porous materials with many societally relevant potential applications, such as carbon capture, removal of environmental toxins and drug-delivery. Despite the progress in the field, synthesizing a MOF currently requires tens to hundreds costly and time-consuming trial-and-error synthesis experiments because our ability to correlate the synthesis conditions with the desired MOF structure is very limited. To overcome this, we need to decode the mechanisms underlying MOF self-assembly, a highly complex non-equilibrium process covering a wide range of time- and length-scales, from the formation of the building units to nucleation and growth.
In MAGNIFY, my team and I will develop a multi-scale computational methodology that will decode the mechanisms underlying MOF self-assembly and predict synthesis conditions-structure relationships. This ambitious interdisciplinary project combines state-of-the-art multi-scale modelling techniques (enhanced sampling techniques, ab initio, atomistic and coarse-graining modelling), with machine-learning approaches to data analysis (dimensionality reduction and data clustering techniques) trained on new chemical descriptors. We will develop and validate our models in tandem with synthesis experiments. We will test our methodology by applying it to two central problems in MOF rational design: (i) determining how synthesis conditions (temperature, solvent, reactants, metal-to-ligand ratio, additives) drive the resulting MOF material's topology and point defects, as well as to (ii) tackling the very challenging task of predicting the synthesis conditions for producing brand new MOFs. This high-risk high-gain project will produce a breakthrough in the MOF field by enabling fast and resource-efficient MOF rational design and will open new research avenues in investigating the self-assembly of other materials and other complex processes happening through a large span of time- and length-scales.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
- MULTI-SCALE MODELLING
- ENHANCED SAMPLING
- SELF-ASSEMBLY
- MOLECULAR DYNAMICS
- MACHINE LEARNING
- COARSE-GRAINING
- METAL-ORGANIC FRAMEWORKS
- EXPERIMENT-MODELLING SYNERGY
- NUCLEATION AND GROWTH
- MECHANISMS
- SYNTHESIS CONDITIONS-STRUCTURE RELATIONSHIPS
- RATIONAL DESIGN
- SYNTHESIS OF METAL-ORGANIC FRAMEWORKS
- CRYSTAL GROWTH
- IN SITU AND EX SITU CHARACTERISATION
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2021-STG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-ERC -Gastgebende Einrichtung
75006 Paris
Frankreich