Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Machine learning guided discovery of potassium-selective porous silicates

Descrizione del progetto

Un metodo predittivo inteso a progettare materiali migliori per la cattura di ioni

I sorbenti selettivi per cationi sono progettati al fine di catturare specifici ioni a carica positiva da miscele, consentendo la purificazione dell’acqua e il recupero di risorse preziose. Il progetto CLEANSE, finanziato dal programma di azioni Marie Skłodowska-Curie, si propone di sostituire il tradizionale metodo di sviluppo dei materiali basato su tentativi ed errori con un approccio predittivo: i ricercatori utilizzeranno modelli di apprendimento automatico addestrati su dati di chimica quantistica per comprendere il motivo per cui alcune strutture microporose catturano selettivamente il potassio da miscele ioniche complesse. Un ampio database di materiali candidati verrà esaminato in base a capacità, selettività e proprietà di trasporto ionico e i candidati più promettenti saranno sintetizzati, caratterizzati strutturalmente e testati a livello sperimentale, mentre i risultati verranno utilizzati in maniera continuativa al fine di perfezionare i modelli, creando un ciclo iterativo che accelera la progettazione razionale dei materiali di cattura ionica di nuova generazione.

Obiettivo

CLEANSE replaces the time-consuming, expensive, and error-prone trial-and-error approach for developing cation-selective sorbents with a predictive, iterative computation-to-experiment loop. First, we will resolve why sodium zirconium cyclosilicate (ZS-9) is highly selective for K+ by training equivariant machine-learning interatomic potentials (MLIPs) on ab initio data and running long (biased) molecular-dynamics simulations under realistic aqueous, multi-ion conditions. These models will also predict experimental observables such as solid-state NMR tensor and Born effective charges for effective NMR and IR spectral prediction. Second, we will perform high-throughput screening of broad synthesizable porous silicate databases, ranking candidates by adsorption capacity, competitive selectivity against Na+/NH4+/H3O+, and diffusion barriers to derive design rules for effective/selective K+ capture. The best candidates will be synthesised and evaluated in laboratory assays, then characterised by solid-state NMR, X-ray diffraction, vibrational spectroscopy and electron microscopy. Experimental results will feed back to refine the models and optimise composition and pore architecture. CLEANSE ensures two-way knowledge transfer between my expertise in advanced simulation and the host’s strengths in synthesis and advanced characterisation, and will generate open, reusable datasets, models and workflows. Outcomes enable data-driven design of ion-exchange materials across water treatment, resource recovery, food and medical applications, while advancing fundamental understanding of selective ion capture in porous silicates.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSIDADE DE AVEIRO
Contributo netto dell'UE
€ 207 183,12
Indirizzo
CAMPUS UNIVERSITÁRIO DE SANTIAGO
3810-193 Aveiro
Portogallo
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato