Geri Dön

Leveraging molecular simulations and machine learning to assess gas adsorption and separation performances of MOF, COFs, IL/MOF, and IL/COF composites

MOF, COF, IL/MOF ve IL/COF kompozitlerinin gaz adsorpsiyon ve ayırma performanslarını değerlendirmek için moleküler simülasyonlar ve makine öğrenmesinin kullanılması

PDF İndir

  1. Tez No: 974228
  2. Yazar: HASAN CAN GÜLBALKAN
  3. Danışmanlar: PROF. DR. SEDA KESKİN AVCI, PROF. DR. ALPER UZUN
  4. Tez Türü: Doktora
  5. Konular: Kimya Mühendisliği, Chemical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kimya ve Biyoloji Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kimya Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Metal-organik çerçeveler (MOF'lar) ve kovalent organik çerçeveler (COF'lar), yüksek yüzey alanları, yüksek termal ve kimyasal kararlılıkları, ayarlanabilir özellikleri sayesinde adsorpsiyon- ve membran-tabanlı gaz ayırma uygulamaları için umut vadeden adaylar olarak öne çıkmaktadır. Şu ana kadar sentezlenmiş >128000 MOF ve bilgisayar ortamında oluşturulmuş bir milyondan fazla hipotetik MOF (hMOF) dikkate alındığında, bu malzemelerin gaz ayırma performanslarının değerlendirilmesinde hesaplamalı yöntemler kritik bir rol oynamaktadır. Bu tezde, MOF'lar, COF'lar ve bunların polimerler ve iyonik sıvılar (IL'ler) ile oluşturduğu kompozitlerin CO2 yakalama, doğal gaz saflaştırılması ve hava ayırması gibi çeşitli gaz ayırma uygulamalarındaki performansları araştırılmıştır. Bu amaçla, moleküler simülasyonlar, COSMO-RS hesaplamaları, yoğunluk fonksiyonel teorisi (DFT) ve makine öğrenmesi (ML) yöntemlerini birleştiren çok ölçekli bir hesaplamalı yaklaşım kullanılmış ve büyük veri kümeleri etkin şekilde taranarak yapı-özellik ilişkileri ortaya konmuştur. Çalışmanın ilk bölümünde, toplam 5034 MOF ve COF'un yanı sıra çeşitli IL/MOF, MOF/polimer ve COF/polimer kompozitlerinin CH4/N2 ayırma performansları, grand kanonik Monte Carlo (GCMC) ve moleküler dinamik (MD) simülasyonlarıyla incelenmiştir. Sonuçlar, IL katkısının CH4/N2 seçiciliğini önemli ölçüde artırdığını ve MOF ile COF membranlarının geleneksel polimerlerden daha iyi performans gösterdiğini ortaya koymuştur. İkinci bölümde, bu yaklaşım CO2/N2 ayırması için IL/COF kompozitlerine uygulanmış; seçicilikte önemli artışlar ve CO2 geçirgenliklerinde zeolit ve polimer membranları aşan değerler elde edilmiştir. Üçüncü bölümde, 4612 sentezlenmiş MOF'un CH4 ve N2 adsorpsiyon verileri kullanılarak ML modelleri geliştirilmiş ve bu modellerin 98601 hMOF üzerindeki aktarılabilirliği test edilmiştir. Elde edilen sonuçlar, birçok hMOF'un yüksek CH4 seçiciliği ve çalışma kapasitesi sunduğunu, bazı hMOF'ların ise sentezlenmiş MOF'ları geride bıraktığını göstermiştir. Dördüncü bölümde, şimdiye kadar çalışılan en geniş IL çeşitliliğini (8 katyon ve 35 anyon) içeren 1322 farklı IL/ZIF-8 kompoziti, çeşitli IL yüklemelerinde incelenmiş ve ML destekli bir iş akışı uygulanmıştır. Bu kompozitlerin CO2, CH4 ve N2 adsorpsiyon özellikleri GCMC simülasyonlarıyla hesaplanmış ve elde edilen yüksek kaliteli veriler, IL'lerin kimyasal ve yapısal özelliklerine göre gaz alımını tahmin edebilen ML modellerinin geliştirilmesinde kullanılmıştır. ML tahminlerinin hem deneysel hem de simülasyon verileriyle yüksek uyum göstermesi, modellerin doğruluğunu ortaya koymuştur. Son bölümde ise sentezlenmiş MOF'ların CO2, O2 ve N2 adsorpsiyon verileriyle ML modelleri geliştirilmiş ve bu modellerden elde edilen bilgiler dört farklı hMOF veritabanına aktarılmıştır. Sonuç olarak, yaklaşık 130000 yapının CO2, O2 ve N2 adsorpsiyonu ile CO2/N2 ve O2/N2 ayırma performansları tahmin edilerek malzeme keşfi için değerli içgörüler sunulmuştur. Bu tezde elde edilen bulgular, MOF'larda gaz adsorpsiyonu ve difüzyonuna dair moleküler düzeyde bir anlayış sağlayarak, gaz ayrımı uygulamaları için yeni MOF ve MOF-tabanlı kompozitlerin rasyonel tasarımını daha az zaman ve maliyetle mümkün kılmaktadır.

Özet (Çeviri)

Metal-organic frameworks (MOFs) and covalent organic frameworks (COFs), known for their high surface areas, high thermal and chemical stabilities and tunable properties, have emerged as promising candidates for adsorption- and membrane-based gas separations. Given the vast number of synthesized MOFs (>128000) and over a million computer-generated, hypothetical MOFs (hMOFs), computational methods are essential for evaluating the gas separation performance of these materials. This dissertation explores the gas adsorption and separation performances of MOFs, COFs, and their composites with polymers and ionic liquids (ILs) for applications, including CO2 capture, natural gas purification, and air separation. A multi-scale computational approach integrating molecular simulations, COSMO-RS calculations, density functional theory (DFT) calculations, and machine learning (ML) is employed to efficiently examine large material databases and uncover structure-property relationships. In the first part, we focused on the CH4/N2 separation performances of a total of 5034 MOFs and COFs, and several IL/MOF, MOF/polymer, and COF/polymer composites by performing grand canonical Monte Carlo (GCMC) and molecular dynamics (MD) simulations. Our results showed that IL incorporation significantly enhances CH4/N2 selectivity, and both MOF and COF membranes outperform conventional polymers. In the second part, we extended this approach to IL/COF composites for CO2/N2 separation, revealing significantly improved selectivities, and CO2 permeabilities surpassing those of polymer and zeolite membranes. In the third part, we developed ML models trained on simulated CH4 and N2 adsorption data of 4612 synthesized MOFs and tested the transferability of these models on 98601 hMOFs. Our results revealed that many hMOFs exhibited high CH4 selectivities and working capacities while several outperforming synthesized MOFs. The fourth part involves an ML-integrated workflow to investigate 1322 different types of IL/ZIF-8 composites, covering the largest variety of ILs studied to date (8 cations and 35 anions) at various IL loadings. We performed GCMC simulations to compute CO2, CH4, and N2 adsorption properties of these composites, and the resulting simulated data were used to train ML models capable of predicting gas uptake in any IL/ZIF-8 composite based on the chemical and structural features of the ILs. Our results showed the high accuracy of the models through the comparison of ML predictions with experimental and simulation data. The last part focused on the development of ML models for CO2, O2, and N2 adsorption data of synthesized MOFs and transferring the information gained from these models to four different hMOF databases. As a result, CO2, O2, N2 adsorption and CO2/N2 and O2/N2 separation performances of ~130000 structures were predicted, which offers valuable insights for materials discovery. The results of this thesis will provide molecular-level understanding of gas adsorption and diffusion in MOFs and enable the rational design of novel MOFs and MOF-based composites for gas separation applications.

Benzer Tezler

  1. Tez No

    825074

    Leveraging the molecular signatures of cancer for dynamic network

    Kanserin moleküler izlerinin dinamik ağ modellemede kullanılması

    ENES SEFA AYAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    BiyolojiKoç Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. NURCAN TUNÇBAĞ

  2. Tez No

    988284

    Comparatıve molecular dynamıcs study of equılıbrıum and non-equılıbrıum approaches ın cof and mof membranes for gas separatıon

    Gaz ayırma için cof ve mof membranlarda denge ve denge dışı yaklaşımların karşılaştırmalı moleküler dinamik çalışması

    PARIVASH JAMSHIDI GHALEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Makine MühendisliğiÖzyeğin Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKNUR ERUÇAR FINDIKÇI

  3. Tez No

    866822

    In silico exploration of antidiabetic potential of Punica granatum: A comprehensive analysis of ligand protein interactions

    Punica granatum'un antidiyabetik potansiyelinin in siliko keşfi: Ligand protein interaksiyonlarının kapsamlı analizi

    CHAYMAE NKITA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyomühendislikÜsküdar Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    DOÇ. DR. SULTAN MEHTAP BÜYÜKER

  4. Tez No

    1019319

    Investigation of the effect of 2nd generation biodiesel (JOJOBA) on jet engine responses by ANSYS

    İkinci nesil biyodizelin (JOJOBA) jet motoru yanıtlarına etkisinin ANSYS ile incelenmesi

    HASAN ABDULKAREEM SAAB SAAB

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Makine MühendisliğiKarabük Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SAMET USLU

  5. Tez No

    947875

    İsaretçi takibi ile PnP tabanlı 6DoF poz tahminive CFD simülasyon karşılaştırması

    PnP-based 6DoF pose estimation with marker trackingand CFD simulation comparison

    YUSUF DEMİREL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET NURİ AKINCI

Geri Dön