Descrizione del progetto
Una progettazione razionale di strutture metallo-organiche
Le strutture metallo-organiche combinano il meglio del mondo organico e inorganico, per la produzione di strutture cristalline ibride e altamente porose perfettamente adatte a «contenere» le piccole molecole da somministrare o eliminare. La loro regolazione praticamente illimitata non può essere sfruttata appieno attraverso i metodi di sintesi per tentativi, dispendiosi in termini di tempo. Una migliore comprensione dei meccanismi di autoassemblaggio faciliterà il controllo guidato della formazione degli elementi costitutivi, della nucleazione e della crescita. Il progetto MAGNIFY, finanziato dall’UE, affronterà questa lacuna critica di conoscenza. Il team svilupperà un approccio computazionale multi-scala con l’obiettivo di decodificare i meccanismi alla base dell’autoassemblaggio di strutture metallo-organiche e di prevedere le relazioni tra le condizioni di sintesi e la struttura, consentendo di progettare queste strutture in modo razionale, rapido ed efficiente sotto il profilo delle risorse.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Parole chiave
- 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
Programma(i)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) ERC-2021-STG
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-ERC -Istituzione ospitante
75006 Paris
Francia