شبیه‌سازی کامپیوتری مواد متخلخل: رویکردهای کنونی و فرصت‌های آتی ۲۰۲۱
Computer Simulation of Porous Materials: Current Approaches and Future Opportunities 2021

شبیه‌سازی کامپیوتری مواد متخلخل، رویکردهای کلیدی در مدل‌سازی مواد متخلخل را پوشش می‌دهد، با تمرکز بر اینکه چگونه می‌توان از این رویکردها برای پیش‌بینی ساختار و منطقی‌سازی یا پیش‌بینی طیف وسیعی از خواص از جمله جذب سطحی، انتشار، خواص مکانیکی، طیف‌سنجی و کاتالیز استفاده کرد. این کتاب، گستره‌ی کاملی از مواد (ریز) متخلخل را، از مواد معدنی (زئولیت‌ها) گرفته تا مواد آلی از جمله پلیمرهای متخلخل و مواد مولکولی متخلخل، و مواد هیبریدی (چارچوب‌های فلزی-آلی) در بر می‌گیرد. از طریق فصل‌هایی که بر تکنیک‌های مربوط به انواع خاصی از کاربردها و خواص تمرکز دارند، این کتاب چالش‌ها و فرصت‌های موجود در به‌کارگیری رویکردها و روش‌ها برای طبقات مختلف سیستم‌ها، از جمله بحثی در مورد غربالگری با توان عملیاتی بالا را شرح می‌دهد. تمرکز قوی بر آینده وجود دارد تا مشخص شود که افزایش قدرت محاسباتی یا تکنیک‌های هوش مصنوعی مانند یادگیری ماشین چه پتانسیلی برای باز کردن مسیرهای جدید تحقیق دارند. این اثر که توسط یکی از پیشگامان جهانی در این زمینه ویرایش شده است، منبع ارزشمندی نه تنها برای محققان محاسباتی، بلکه یک مرور کلی برای محققان تجربی نیز ارائه می‌دهد. مطالب در سطحی ارائه شده است که برای دانشجویان دوره کارشناسی ارشد، فارغ‌التحصیلان و محققانی که مایل به کسب اطلاعات بیشتر در مورد این موضوع هستند، قابل فهم باشد.

Computer Simulation of Porous Materials covers the key approaches in the modelling of porous materials, with a focus on how these can be used for structure prediction and to either rationalise or predict a range of properties including sorption, diffusion, mechanical, spectroscopic and catalytic. The book covers the full breadth of (micro)porous materials, from inorganic (zeolites), to organic including porous polymers and porous molecular materials, and hybrid materials (metal-organic frameworks). Through chapters focusing on techniques for specific types of applications and properties, the book outlines the challenges and opportunities in applying approaches and methods to different classes of systems, including a discussion of high-throughput screening. There is a strong forward-looking focus, to identify where increased computer power or artificial intelligence techniques such as machine learning have the potential to open up new avenues of research. Edited by a world leader in the field, this title provides a valuable resource for not only computational researchers, but also gives an overview for experimental researchers. It is presented at a level accessible to advanced undergraduates, postgraduates and researchers wishing to learn more about the topic.