Theoretical Investigation of Zeolites Using NMR: From DFT to Machine Learning

Abstract

Solid-state nuclear magnetic resonance (ssNMR) spectroscopy is a highly valuable tool for experimentally characterizing zeolites, due to its high sensitivity and the detailed structural insight it provides from the spectra. However, interpreting ssNMR spectra is challenging, and accurately determining the structural features is often impractical, especially for the quadrupolar nuclei. Consequently, computational modelling of ssNMR spectra has become increasingly popular to complement experimental studies. Despite its usefulness, NMR simulations tend to be simplified to limited numbers of static calculations, and there is a lack of thorough studies under realistic conditions, taking into account factors such as temperature variations, dynamic evolution over time, appropriate Si/Al ratios to match experimental samples, and hydration effects. This thesis focuses on the computational study of 27 Al and 23 Na NMR related to active acid sites in zeolites, emphasizing the need for operando modeling to understand NMR spectra. Two approaches are proposed for operando modeling of NMR properties based on Density Functional Theory (DFT) and Machine Learning (ML) methods. The research contains three main parts. The first part combined experimental 27 Al NMR spectroscopy with ab initio calculations to reveal the...

Solid-state nuclear magnetic resonance (ssNMR) je vysoce cenný nástroj pro experimentální charakterizaci zeolitů díky své vysoké citlivosti a podrobnému strukturálnímu náhledu, který poskytuje na základě spekter. Interpretace ssNMR spekter je však náročná a přesné určení strukturálních rysů je často nepraktické, zejména u kvadrupolárních jader. Z tohoto důvodu se stalo stále populárnějším využívání výpočetního modelování ssNMR spekter jako doplněk experimentálních studií. Navzdory své užitečnosti jsou simulace NMR často zjednodušovány na omezený počet statických výpočtů a chybí důkladné studie za realistických podmínek, které by zohledňovaly faktory jako jsou teplotní změny, dynamický vývoj v čase, vhodné poměry Si/Al odpovídající experimentálním vzorkům a hydratační efekty. Tato disertační práce se zaměřila na výpočetní studii 27 Al a 23 Na NMR vztahující se k aktivním kyselým místům v zeolitech s důrazem na potřebu operando modelování pro pochopení NMR spekter. Jsou navrženy dva přístupy pro operando modelování NMR vlastností založené na metodách Teorie hustotního funkcionálu (DFT) a strojového učení (ML). Výzkum obsahuje tři hlavní části. První část kombinovala experimentální 27 Al NMR spektroskopii s ab initio výpočty k odhalení povahy oktaedrických Lewisových kyselých míst (LAS) v zeolitech,...