@phdthesis{01H66JD5EDJKY15EH4AS9M1Y6E,
  abstract     = {{Metaal-organische roosters (MOFs) zijn een klasse van materialen die in de laatste decennia brede wetenschappelijke interesse opgewekt hebben. Door hun permanente porositeit en enorme interne oppervlak vormen ze een ideaal platform voor de adsorptie en separatie van gassen. Toepassingen die tot de verbeelding spreken, zoals de captatie van koolstofdioxide uit verbrandingsgassen of de productie van water uit woestijnlucht, kunnen mogelijk gemaakt worden door deze materialen. Echter, de gigantische diversiteit van de structuur van deze materialen en hun inherente flexibiliteit compliceert de experimentele karaterizatie van hun adsorptie eigenschappen. In dit doctoraatsonderzoek werden daarom geavanceerde computationele technieken ontwikkeld om de eigenschappen van deze materialen computationeel te bepalen. Dit werk werd op twee manieren aangepakt. Enerzijds werden methoden ontwikkeld om de interactie van adsorbaten met deze MOFs meer accuraat te beschrijven; zowel door het verbeteren van traditionele krachtvelden, als het aanwenden van machine learning technieken getrained op zeer accurate kwantummechanische berekeningen. Anderzijds werden methoden ontwikkeld om op een efficiente manier de merkwaardige flexibiliteit van deze MOFs tijdens gasadsorptie te kunnen voorspellen.}},
  author       = {{Goeminne, Ruben}},
  language     = {{eng}},
  pages        = {{XXVI, 245}},
  publisher    = {{Ghent University. Faculty of Sciences}},
  school       = {{Ghent University}},
  title        = {{Development of accurate and reliable methods for in silico modeling of adsorption in nanoporous materials}},
  year         = {{2023}},
}