Atomistic Modeling of Advanced Porous Materials for Energy, Environment, and Biomedical Applications

Informations projet

STARLET

N° de convention de subvention: 101124002

DOI

10.3030/101124002

Date de signature de la CE 31 Janvier 2024

Date de début 1 Avril 2024

Date de fin 31 Mars 2029

Financé au titre de

• European Research Council (ERC)

Coût total

€ 2 000 000,00

Contribution de l’UE

€ 2 000 000,00

Coordonné par

KOC UNIVERSITY
Türkiye

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Peer reviewed articles (21)

The transformative role of machine learning in advancing MOF membranes for gas separations

Auteurs: Pelin Sezgin; Seda Keskin
Publié dans: Chemical Physics Reviews, 2025, ISSN 2688-4070
Éditeur: AIP
DOI: 10.1063/5.0278371

The COF Space: Materials Features, Gas Adsorption, and Separation Performances Assessed by Machine Learning

Auteurs: Gokhan Onder Aksu; Seda Keskin
Publié dans: ACS Materials Letters, 2025, ISSN 2639-4979
Éditeur: AMER CHEMICAL SOC
DOI: 10.1021/ACSMATERIALSLETT.4C02594

Artificial Intelligence Paradigms for Next-Generation Metal–Organic Framework Research

Auteurs: Aydin Ozcan; François-Xavier Coudert; Sven M. J. Rogge; Greta Heydenrych; Dong Fan; Antonios P. Sarikas; Seda Keskin; Guillaume Maurin; George E. Froudakis; Stefan Wuttke; Ilknur Erucar
Publié dans: Journal of the American Chemical Society, 2025, ISSN 1520-5126
Éditeur: AMER CHEMICAL SOC
DOI: 10.1021/JACS.5C08214

Finding high-performance MOFs for effective SF₆/N₂ separation through high-throughput computational screening and machine learning

Auteurs: Pelin Sezgin, Hasan Can Gulbalkan, Seda Keskin
Publié dans: Journal of Physics: Materials, Numéro 7, 2024, ISSN 2515-7639
Éditeur: IOP Publishing
DOI: 10.1088/2515-7639/AD80CD

Gaining molecular insights into structure-performance relations of MOFs via high-throughput computational screening

Auteurs: Seda Keskin
Publié dans: Microporous and Mesoporous Materials, Numéro 409, 2026, ISSN 1387-1811
Éditeur: Elsevier BV
DOI: 10.1016/J.MICROMESO.2026.114180

Molecular Modeling-Based Machine Learning for Accurate Prediction of Gas Diffusivity and Permeability in Metal–Organic Frameworks

Auteurs: Pelin Sezgin; Feride Neva Yüngül; Beste Naz Karaca; Hasan Can Gulbalkan; Seda Keskin
Publié dans: ACS Materials Au, 2025, ISSN 2694-2461
Éditeur: AMER CHEMICAL SOC
DOI: 10.1021/ACSMATERIALSAU.5C00111

Advanced Materials

Auteurs: Hilal Daglar; Hasan Can Gulbalkan; Gokhan Onder Aksu; Seda Keskin
Publié dans: Advanced Materials, 2024, ISSN 0935-9648
Éditeur: WILEY-V C H VERLAG GMBH
DOI: 10.1002/ADMA.202405532

Rational design of lanthanide-based metal–organic frameworks for CO₂ capture using computational modeling

Auteurs: Zeynep Pinar Haslak; Hasan Can Gulbalkan; Seda Keskin
Publié dans: Materials Advances, 2025, ISSN 2633-5409
Éditeur: ROYAL SOC CHEMISTRY
DOI: 10.1039/D5MA00017C

Data‐Driven Design and Discovery of Metal–Organic Framework/Polymer Mixed Matrix Membranes

Auteurs: Seda Keskin
Publié dans: Macromolecular Materials and Engineering, 2025, ISSN 1439-2054
Éditeur: Wiley
DOI: 10.1002/MAME.202500364

Scientific Reports

Auteurs: Goktug Ercakir; Gokhan Onder Aksu; Seda Keskin
Publié dans: Scientific Reports, 2024, ISSN 2045-2322
Éditeur: NATURE PORTFOLIO
DOI: 10.1038/S41598-024-76491-X

The Materials Database Plateau: What Comes After Millions of Materials?

Auteurs: Seda Keskin
Publié dans: ACS Materials Letters, 2026, ISSN 2639-4979
Éditeur: American Chemical Society (ACS)
DOI: 10.1021/ACSMATERIALSLETT.6C00925

Assessing Co2 Separation Performances of Il/Zif-8 Composites Using Molecular Features of Ils

Auteurs: Hasan Can Gulbalkan; Alper Uzun; Seda Keskin
Publié dans: Carbon Capture Science & Technology, 2024, ISSN 2772-6568
Éditeur: Elsevier
DOI: 10.1016/J.CCST.2025.100373

Discovering metal-organic framework/polymer mixed-matrix membranes via machine learning for CO2 separation

Auteurs: Feride Neva Yüngül, Seda Keskin
Publié dans: Communications Materials, Numéro 7, 2026, ISSN 2662-4443
Éditeur: Springer Science and Business Media LLC
DOI: 10.1038/S43246-026-01207-9

Diffusion explorer for the COF space: Data-driven discovery of high-performing COF membranes for gas separations

Auteurs: Gokhan Onder Aksu; Seda Keskin
Publié dans: Carbon Capture Science & Technology, 2026, ISSN 2772-6568
Éditeur: Elsevier
DOI: 10.1016/J.CCST.2025.100559

ReDD-COFFEE under the Lens: Revealing Adsorption and Separation Performances of Hypothetical COFs Using Molecular Simulations and Machine Learning

Auteurs: Hilal Ozyurt, Gokhan Onder Aksu, Hasan Can Gulbalkan, Seda Keskin
Publié dans: Industrial & Engineering Chemistry Research, Numéro 65, 2026, ISSN 0888-5885
Éditeur: American Chemical Society (ACS)
DOI: 10.1021/ACS.IECR.5C04806

Integrating Molecular Simulations with Machine Learning to Discover Selective MOFs for CH₄/H₂ Separation

Auteurs: Pelin Sezgin; Seda Keskin
Publié dans: The Journal of Physical Chemistry C, 2025, ISSN 1932-7455
Éditeur: AMER CHEMICAL SOC
DOI: 10.1021/ACS.JPCC.5C02779

Large‐Scale Screening of Covalent Organic Framework/Polymer Mixed‐Matrix Membranes for Advanced Gas Separations

Auteurs: Feride Neva Yungul, Gokhan Onder Aksu, Seda Keskin
Publié dans: Macromolecular Materials and Engineering, Numéro 311, 2026, ISSN 1438-7492
Éditeur: Wiley
DOI: 10.1002/MAME.70303

Industrial and Engineering Chemistry Research

Auteurs: Pelin Sezgin; Ezgi Gulcay-Ozcan; Marija Vučkovski; Aleksandra M. Bondžić; Ilknur Erucar; Seda Keskin
Publié dans: Industrial & Engineering Chemistry Research, 2025, ISSN 0888-5885
Éditeur: AMER CHEMICAL SOC
DOI: 10.1021/ACS.IECR.4C03698

Leveraging molecular simulations and machine learning to assess CO2, O2, and N2 adsorption and separation performances of diverse MOF databases

Auteurs: Hasan Can Gulbalkan, Seda Keskin
Publié dans: Chemical Engineering Journal Advances, Numéro 25, 2026, ISSN 2666-8211
Éditeur: Elsevier BV
DOI: 10.1016/J.CEJA.2025.100984

Machine learning-accelerated discovery of metal–organic frameworks for storage and delivery of anticancer drug molecules

Auteurs: Hasan Can Gulbalkan, Seda Keskin
Publié dans: Digital Discovery, Numéro 5, 2026, ISSN 2635-098X
Éditeur: Royal Society of Chemistry (RSC)
DOI: 10.1039/D6DD00223D

Digital ReticularChemistry: How Artificial Intelligenceis Redefining Covalent Organic Framework Research

Auteurs: Gokhan Onder Aksu, Seda Keskin
Publié dans: JACS Au, Numéro 6, 2026, ISSN 2691-3704
Éditeur: American Chemical Society (ACS)
DOI: 10.1021/JACSAU.6C00576