Die molekularen Geheimnisse Stark Eutektischer Lösungsmittel
Physikalische Chemie von Molekülen, Flüssigkeiten und Grenzflächen, Biophysikalische Chemie
Zusammenfassung der Projektergebnisse
Stark eutektische Lösungsmittel sind Gemische aus zwei Verbindungen, deren eutektischer Schmelzpunkt deutlich unter dem Schmelzpunkt der reinen Komponenten liegt. Am bekanntesten sind Mischungen von Cholin Chlorid, welches im Megatonnenmaßstab hergestellt wird. Das Projekt konzentrierte sich auf zwei primäre Aufgaben: Die Entwicklung von Modellen für eine zuverlässige Untersuchung dieser Flüssigkeiten auf molekularer Ebene und die Anwendung dieser Ansätze zur Identifizierung molekularer Merkmale, die zum einzigartigen Verhalten dieser Flüssigkeiten beitragen. Im Rahmen dieses Projekts wurde ein polarisierbares Kraftfeld für Relin entwickelt. Die Einführung einer zusätzlichen Funktion zur Reduzierung der Wechselwirkung zwischen dem Chloridanion und der Hydroxylgruppe des Kations war dabei essenziell. Leider müssen die zugehörigen Parameter an first principles Molekulardynamiksimulationen gefittet werden. Daher untersuchten wir die Möglichkeiten eines invarianten und äquivarianten Machine- Learning-Ansatzes zur Beschreibung dieser Systeme. Das äquivariante Allegro-Modell in Kombination mit einem aktiven Lernschema erwies sich am dateneffizientesten, da es nur wenige tausend DFT-Berechnungen von Systemen mit ca. 300 Atomen benötigt, um Systeme mit mehreren tausend Atomen auf der ns-Zeitskala auf einem einzigen GPU-Knoten innerhalb eines Tages zu simulieren. Dies ermöglicht die verlässliche Bestimmung dynamischer Eigenschaften, wofür mindestens fünf Simulationen empfohlen werden, um einen guten Durchschnittswert zu erhalten. Damit kann der Ansatz verlässlich strukturelle und dynamische Größen untersuchen und ist gleichzeitig wesentlich preiswerter als first-principles Molekulardynamiksimulationen. Als unikales Feature für das nichtideale Mischungsverhalten konnte die Einbettung des Anions in das Wasserstoffbrückennetzwerk identifiziert werden. Konkret wurde eine Korrelation zwischen der Anzahl der zum Anion benachbarten Wasserstoffatome zum Aktivitätskoeffizienten gefunden. Zudem wurde im Falle von Lithium Bistriflimide basierten eutektischen Systemen ein sehr kurzer Abstand der Lithium-Atome zueinander gefunden. Dabei agiert das Sauerstoffatom der organischen Komponente als Brücke zwischen den beiden Atomen. Dieses deutlich ausgeprägte Merkmal ist nicht in klassischen Kraftfeldmodellen mit skalierter Ladung sichtbar, welche Standard zu Beginn des Projektes waren.
Projektbezogene Publikationen (Auswahl)
-
Molecular Features of Reline and Homologous Deep Eutectic Solvents Contributing to Nonideal Mixing Behavior. The Journal of Physical Chemistry B, 124(35), 7586-7597.
Shayestehpour, Omid & Zahn, Stefan
-
Molecular Features Contributing to the Non-ideal Mixing Behavior of Deep Eutectic Solvents Based on Urea Derivatives, IOM Biennial Report 2020/21, 38
Shayestehpour, Omid & Zahn, Stefan
-
Data related to the publication "Ion Correlation in Choline Chloride-Urea Deep Eutectic Solvent (Reline) from Polarizable Molecular Dynamics Simulations", ZENODO, 2022
O. Shayestehpour & S. Zahn
-
Ion Correlation in Choline Chloride–Urea Deep Eutectic Solvent (Reline) from Polarizable Molecular Dynamics Simulations. The Journal of Physical Chemistry B, 126(18), 3439-3449.
Shayestehpour, Omid & Zahn, Stefan
-
Data related to the publication "Efficient molecular dynamics simulations of deep eutectic solvents with first-principles accuracy using machine learning interatomic potentials", ZENODO, 2023
O. Shayestehpour & S. Zahn
-
Efficient molecular dynamics simulations of deep eutectic solvents with first principles accuracy using machine learning interatomic potentials, IOM Biennial Report 2022/23, 39
Shayestehpour, Omid & Zahn, Stefan
-
Efficient Molecular Dynamics Simulations of Deep Eutectic Solvents with First-Principles Accuracy Using Machine Learning Interatomic Potentials. Journal of Chemical Theory and Computation, 19(23), 8732-8742.
Shayestehpour, Omid & Zahn, Stefan
