Original title: Teoretické studium závislosti 27Al chemických posunů na množství vody v kanálech a na teplotě v zeolitu MFI
Translated title: Theoretical investigation of 27Al chemical shifts dependence on water amount and temperature in zeolite MFI
Authors: Willimetz, Daniel ; Grajciar, Lukáš (advisor) ; Blahut, Jan (referee)
Document type: Bachelor's theses
Year: 2023
Language: eng
Abstract: [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
Keywords: 27Al NMR; machine learning; MFI; neural network potentials; operando conditions; zeolites; 27Al NMR; MFI; operando podmínky; potenciály založené na neuronových sítích; strojové učení; zeolity

Institution: Charles University Faculties (theses) (web)
Document availability information: Available in the Charles University Digital Repository.
Original record: http://hdl.handle.net/20.500.11956/181975

Permalink: http://www.nusl.cz/ntk/nusl-528397


The record appears in these collections:
Universities and colleges > Public universities > Charles University > Charles University Faculties (theses)
Academic theses (ETDs) > Bachelor's theses