Název: Teoretické studium závislosti 27Al chemických posunů na množství vody v kanálech a na teplotě v zeolitu MFI
Překlad názvu: Theoretical investigation of 27Al chemical shifts dependence on water amount and temperature in zeolite MFI
Autoři: Willimetz, Daniel ; Grajciar, Lukáš (vedoucí práce) ; Blahut, Jan (oponent)
Typ dokumentu: Bakalářské práce
Rok: 2023
Jazyk: eng
Abstrakt: [eng] [cze]
Title: Theoretical investigation of 27 Al chemical shifts dependence on water amount and temperature in zeolite MFI Abstract: This bachelor thesis explores 27 Al NMR spectra in zeolite MFI and investigates the impact of several factors on the chemical shielding values, including water loading, temperature, and the relative positions of aluminum pairs. Various machine learning-based methods for calculating chemical shift are evaluated. Molecular dynamics simulations with neural network potentials are used to simulate experimental conditions. Neural network potentials offer a highly efficient means of calculating energy with a significant speed-up of approximately 1000 times faster than density functional theory, while maintaining a high level of accuracy. This study is the first to examine 27 Al NMR under operando conditions, with a focus on the experimentally relevant amount of water. Keywords: 27 Al NMR, machine learning, zeolites, MFI, operando conditions, neural network potentials Název: Teoretické studium závislosti 27 Al chemických posunů na množství vody v kanálech a na teplotě v zeolitu MFI Abstrakt: Tato bakalářská práce zkoumá 27 Al NMR spektra v zeolitu MFI a zkoumá vliv několika faktorů na chemické stínění, včetně obsahu vody, teploty a relativních poloh hliníkových párů. Hodnoceny jsou různé metody výpočtu chemického posunu založené na strojovém učení. Molekulové dynamické simulace s využitím neuronových sítí jsou použity k simulaci experimentálních podmínek. Neuronové sítě nabízejí vysokou účinnost výpočtu energie s významným zrychlením, asi 1000krát rychlejší než teorie funkcionálu hustoty, při zachování vysoké úrovně přesnosti. Tato studie je první, která zkoumá 27 Al NMR za operando podmínek, s důrazem na experimentálně relevantní množství vody. Klíčová slova: 27 Al NMR, strojové učení, zeolity, MFI, operando podmínky, potenciály založené na neuronových sítích
Klíčová slova: 27Al NMR; MFI; operando podmínky; potenciály založené na neuronových sítích; strojové učení; zeolity; 27Al NMR; machine learning; MFI; neural network potentials; operando conditions; zeolites

Instituce: Fakulty UK (VŠKP) (web)
Informace o dostupnosti dokumentu: Dostupné v digitálním repozitáři UK.
Původní záznam: http://hdl.handle.net/20.500.11956/181975

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-528397


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Univerzita Karlova > Fakulty UK (VŠKP)
Vysokoškolské kvalifikační práce > Bakalářské práce