Opis projektu
Modelowanie sterowania polem elektrycznym struktur metaloorganicznych w celu wspierania absorpcji wodoru
Struktury metaloorganiczne (ang. metal–organic frameworks, MOF) to porowate materiały krystaliczne składające się z trójwymiarowej sieci jonów metali utrzymywanych w miejscu przez cząsteczki organiczne. Ich bardzo wysoka porowatość i wynikająca z niej duża powierzchnia w stosunku do objętości zwróciły uwagę na magazynowanie w niej gazu i jego separację. Przy wsparciu programu działania „Maria Skłodowska-Curie” badacze z projektu HydroMOF przeanalizują użyteczność MOF w zakresie magazynowania wodoru, kluczowego problemu w gospodarce opartej na wodorze. W szczególności twórcy projektu wykorzystają uczenie maszynowe potencjałów międzyatomowych do zbadania możliwości usprawniania magazynowania wodoru w MOF poprzez zmiany strukturalne, w tym otwieranie i zamykanie porów poprzez zastosowanie pola elektrycznego.
Cel
Hydrogen storage is a key technological barrier to the development and widespread use of hydrogen energy in transportation, stationary, and portable applications. The safe and efficient storage of H2 is an important and still challenging issue. In this regard, metal-organic frameworks (MOFs) possessing large surface areas, a variety of topological/chemical structures, high porosities, and high stabilities are considered promising nanoporous materials for gas storage applications. Theoretical studies have shown that electric fields can promote gas storage in MOFs by inducing controlled structural changes, which has recently been experimentally confirmed.
To unravel the underlying mechanisms at the atomic level, I aim to investigate the H2 storage characteristics of electric field responsive MOFs by combining machine learning (ML) and molecular modeling methods. In order to model switchable MOFs, I will construct machine learning potentials and use them in Molecular Dynamics (MD) simulations in order to overcome the restricted time and length scales of ab-Initio MD, and the accuracy and reliability concerns of MD. In order to determine the H2 uptakes of the MOFs, I will push the limits further and combine machine learning potentials with the Grand Canonical Monte Carlo (GCMC) simulations.
The main research objectives are to generate accurate machine learning potentials with a low computational time cost, determine how selected MOFs react to an applied electric field, control pore opening/closing, control and improve H2 uptake by switching electric field, determine the impact of an electric field on the interaction between the host and H2 as well as on the presence of different adsorption sites. This project has the potential to be a “door-opener” for fast and accurate design of switchable MOFs and boosting their applications in H2 storage by providing a fundamental perspective.
Dziedzina nauki
Słowa kluczowe
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
MSCA-PF - MSCA-PFKoordynator
44801 Bochum
Niemcy