Amorfe zeolitische imidazolaatroosters (aZIFs) zijn ontwerpbare nanoporeuze metamaterialen waarvan de functionele stimuli-responsiviteit, mechanische robuustheid en verwerkbaarheid hun kristallijne tegenhangers overtreffen. Idealiter zouden structuur-functierelaties helpen om, net als voor kristallijne ZIFs, door deze enorme aZIF-ontwerpruimte te navigeren. Echter, hun gebrek aan structurele orde op lange afstand maakt het identificeren van hun structuur zeer uitdagend. In dit project zullen we daarom twee in silico methodologieën ontwikkelen en combineren in een geïntegreerde en algemeen toepasbare workflow. Ten eerste zullen we een ZIF-overstijgend machine-learning potentiaal (MLP) trainen om de interatomaire interacties nauwkeurig te modelleren. Net zoals ab initio methodes zal deze MLP in staat zijn om de experimenteel geobserveerde amorfisatie te reproduceren, maar tegen een lagere computerkost. Ten tweede zullen we een in silico kernspinresonantie (NMR) workflow ontwikkelen om NMR-vingerafdrukken te maken van de lokale amorfe structuur van ZIFs en deze vingerafdrukken opslaan in een NMR-bibliotheek. Deze bibliotheek zal op zijn beurt gebruikt worden om de ZIF-structuur lokaal in kaart te brengen in verschillende ZIF-toestanden. Door beide methodologieën te combineren, willen we (i) licht werpen op de nucleatie en groei van amorfe toestanden in kristallijne ZIFs en (ii) structuur-functierelaties afleiden voor ZIFs en zodoende hun functioneel ontwerp mogelijk maken.