Exploring the dynamic behaviour of zeolites and their active sites under operando conditions

Información del proyecto

ZEOLANDO

Identificador del acuerdo de subvención: 101180584

DOI

10.3030/101180584

Proyecto cerrado

Fecha de la firma de la CE 10 Junio 2024

Fecha de inicio 1 Agosto 2024

Fecha de finalización 31 Julio 2026

Financiado con arreglo a

• Widening participation and spreading excellence

Coste total

Sin datos

Aportación de la UE

€ 150 438,72

Coordinado por

UNIVERZITA KARLOVA
Czechia

CORDIS proporciona enlaces a los documentos públicos y las publicaciones de los proyectos de los programas marco HORIZONTE.

Los enlaces a los documentos y las publicaciones de los proyectos del Séptimo Programa Marco, así como los enlaces a algunos tipos de resultados específicos, como conjuntos de datos y «software», se obtienen dinámicamente de OpenAIRE .

Resultado final

Documents, reports (1)

Communication, Dissemination & Exploitation Plan

The plan describes the planned measures to maximize the impact of the project, including the dissemination andexploitation measures that are planned, and the target group(s) addressed. Regarding communication measures and publicengagement strategy, the aim is to inform and reach out to society and show the activities performed, and the use andthe benefits the project will have for citizens.

Data Management Plan (1)

Data Management Plan

Draft Data Management (DMP) in collaboration with my supervisor, Charles University's Open Science Support Centre and the Centre for Transfer of Knowledge and Technology. The DMP will be discussed every 6 months with the supervisor

Publicaciones

Peer reviewed articles (3)

Aluminium siting in zeolite RTH from a combined machine learning – NMR approach

Autores: Daniel Willimetz; Joaquin Martínez-Ortigosa; Deborah Brako-Amoafo; Lukáš Grajciar; J. Alejandro Vidal-Moya; Carlos Bornes; Vincent Sarou-Kanian; Fernando Rey; Teresa Blasco; Christopher J. Heard
Publicado en: Journal of Materials Chemistry A, 2026, ISSN 2050-7496
Editor: Royal Society of Chemistry
DOI: 10.1039/D5TA09253A

A machine learning approach for dynamical modelling of Al distributions in zeolites <i>via</i>²³Na/²⁷Al solid-state NMR

Autores: Chen Lei; Carlos Bornes; Oscar Bengtsson; Andreas Erlebach; Ben Slater; Lukas Grajciar; Christopher J. Heard
Publicado en: Faraday Discussions, 2025, ISSN 1364-5498
Editor: Royal Society of Chemistry
DOI: 10.1039/D4FD00100A

Big data and simulations in NMR crystallography: general discussion

Autores: Sharon E. Ashbrook; Gregory J. O. Beran; Jan Blahut; Frédéric Blanc; Carlos Bornes; Lee Brammer; Steven P. Brown; Thibault Charpentier; Martin Dračínský; Marta K. Dudek; Lyndon Emsley; Carl H. Fleischer; Andrew L. Goodwin; Angela F. Harper; Kenneth D. M. Harris; Paul Hodgkinson; Michael A. Hope; Colan E. Hughes; Simone S. Köcher; Zhiyuan Li; Andrew J. Morris; Leonard J. Mueller; Sten O. Nilsson Lill; Sarah L. Price; Benjamin J. Rhodes; Daria Torodii
Publicado en: Faraday Discussions, 2025, ISSN 1364-5498
Editor: Royal Society of Chemistry
DOI: 10.1039/D4FD90054E