De toepassing van nieuwe, koolstofarme processen zoals adsorptie-gebaseerde scheiding en koeling is essentieel om Europa's net-nul overgang naar te stimuleren en de doelstellingen van de Europese Green Deal te behalen. Geavanceerde poreuze nanomaterialen zoals metaal-organische raamwerken (MOF's) zijn belangrijke technologieën om dit doel te bereiken, maar hun toepassing wordt belemmerd door een kip-en-ei probleem: het identificeren van de meest kosteneffectieve MOF voor elke toepassing, en voldoende onderzoekstijd investeren om de synthesekosten voor de beste kandidaten te verlagen. In deze beurs ga ik deze dubbele uitdaging aan door een holistisch platform te ontwikkelen om het onderzoek naar MOF-synthese methodologie te systematiseren, waardoor de zoektocht naar een optimale synthesemethode wordt versneld en veralgemeend. Met behulp van een combinatie van text mining en moleculaire simulaties zal ik een semantische kennisgrafiekrepresentatie construeren voor de synthese van het veelgebruikte MOF UiO-66, waarbij een database van synthesemethoden wordt gecreëerd die gekoppeld is aan materiaalkwaliteitsprofielen. Eenmaal gemaakt, zal ik een UiO-66 synthese “orakel” ontwikkelen - een machine learning model dat nieuwe synthese procedures kan genereren uit doelmateriaal kwaliteitsprofielen. Vervolgens zal ik de functies van het synthese orakel experimenteel verfijnen met behulp van Bayesiaans actief leren om de globale optimale synthese parameters te identificeren met betrekking tot verschillende kwaliteitsmetrieken. Ten slotte zal ik het UiO-66 synthese orakel overbrengen naar een familie van verwante MOF-materialen, met behulp van verdere laboratoriumsynthese en actief leren om de kwaliteit van deze secundaire MOFs te verfijnen. Dit nieuwe paradigma in de optimalisatie van nanomaterialensynthese zal een transformatie teweegbrengen op het gebied van syntheseoptimalisatie en intensivering, en vertegenwoordigt een nieuwe aanpak die generaliseerbaar is naar elk synthesedoelwit. De voltooiing van deze beurs, , zal mij perfect positioneren voor de overgang naar een onafhankelijke academische carrière op het raakvlak van digitale chemie en procesintensivering .