dc.contributor
Universitat Rovira i Virgili. Departament de Química Analítica i Química Orgànica
dc.contributor.author
Buils Casasnovas, Jordi
dc.date.accessioned
2025-01-27T12:46:30Z
dc.date.issued
2024-12-20
dc.identifier.uri
http://hdl.handle.net/10803/693464
dc.description.abstract
L'estudi dels polioxometalats (POM) ha evolucionat des del segle XIX, mostrant la seva versatilitat en camps com ara
la medicina, l'electroquímica i la catàlisi. No obstant això, els processos que condueixen a l'autoenssemblatge
d'aquests clústers inorgànics continuen sent poc coneguts, cosa que incrementa la necessitat d'eines per explorar-ne
l'especiació. S'ha desenvolupat una metodologia nova, POMSimulator, per modelar els complexos processos
d'equilibris multiespècie en solucions aquoses de POMs. Utilitzant càlculs DFT, Teoria de Grafs i l'equilibri químic,
POMSimulator genera xarxes de reaccions químiques per establir múltiples models d'especiació i determinar
constants de formació (Kf) per a diferents POMs. Aquesta tesi millora POMSimulator a través de dos enfocaments
principals. En primer lloc, un mètode “data-driven” que prediu els paràmetres d'escalat lineal necessaris per ajustar les
constants de formació derivades de DFT en absència de referències experimentals, usant un model de Regressió
Lineal Múltiple (MLR) basat en una extensa base de dades models d'especiació. En segon lloc, s'introdueix un procés
de “clustering” per gestionar la gran quantitat de dades generades, integrat en un protocol estadístic. Ambdós
mètodes han estat validats utilitzant sistemes estudiats prèviament i s'alineen amb els principis de “FAIR data”
publicant el codi de POMSimulator. Aquesta nova metodologia va ser aplicada a dos sistemes d'heteropolioxometalats
(HPA) com el fosfomolibdat i l'arsenomolibdat. Amb el primer sistema es va aplicar el tractament estadístic mostrant
un molt bon acord amb els resultats experimentals, incloent per primer cop un diagrama de fases per a un HPA. Amb
el segon sistema, es van aplicar simultàniament el tractament estadístic i el model de MLR obtenint també resultats
molt comparables amb els experimentals
ca
dc.description.abstract
El estudio de los polioxometalatos (POM) ha evolucionado desde el siglo XIX, mostrando su versatilidad en campos
como la medicina, la electroquímica y la catálisis. Sin embargo, los procesos que conducen al autoensamblaje de
estos clústeres inorgánicos de óxidos siguen siendo poco conocidos, lo que incrementa la necesidad de herramientas
para explorar su especiación.
Se ha desarrollado una nueva metodología, POMSimulator, para modelar los complejos procesos de equilibrios
multiespecie en soluciones acuosas de POMs. Utilizando cálculos DFT, Teoría de Grafos y el equilibrio químico,
POMSimulator genera redes de reacciones químicaspara establecer múltiples modelos de especiación y determinar
constantes de formación (Kf) para diferentes POMs.
Esta tesis mejora POMSimulator a través de dos enfoques principales. En primer lugar, un método “data-driven”
predice los parámetros de escalado lineal necesarios para ajustar las constantes de formación derivadas de DFT en
ausencia de referencias experimentales, usando un modelo de Regresión Lineal Múltiple (MLR) basado en una
extensa base de datos de modelos de especiación. En segundo lugar, se introduce un proceso de “clustering” para
gestionar la gran cantidad de datos generados, integrado en un protocolo estadístico.
ca
dc.description.abstract
The study of polyoxometalates (POMs) has evolved since the 19th century, showcasing their versatility in fields like
medicine, electrochemistry, and catalysis. However, the processes that lead to the self-assembly of these inorganic
oxo-clusters remain poorly understood, prompting the need for improved tools to explore their speciation.
A novel methodology, POMSimulator, has been developed to model the complex multi-species multi-equilibria
processes in aqueous solutions of POMs. Utilizing Density Functional Theory (DFT) calculations, Graph Theory, and
Chemical Equilibrium, POMSimulator generates chemical reaction networks (CRNs) to establish multiple speciation
models and derive formation constants (Kf) for various POMs.
This thesis enhances POMSimulator through two major approaches. Firstly, a data-driven method predicts the linear
scaling parameters necessary for adjusting DFT-derived formation constants without experimental references. This
involves a Multi-Linear Regression (MLR) model based on an extensive database of speciation models. Secondly, a
clustering process is introduced to manage the vast data generated, embedded within a statistical pipeline.
Both methods have been validated using previously studied systems and align with the FAIR data principles by making
the POMSimulator code publicly available.
ca
dc.format.extent
148 p.
ca
dc.publisher
Universitat Rovira i Virgili
dc.rights.license
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
ca
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
polioxometalats
ca
dc.subject
xarxes de reacció
ca
dc.subject
estadística
ca
dc.subject
polioxometalatos
ca
dc.subject
redes de reacción
ca
dc.subject
polyoxometalates
ca
dc.subject
reaction networks
ca
dc.subject.other
Ciències
ca
dc.title
Enhancing POMSimulator Applications in Heteropolyoxometalates: A Statistical and Data-Driven Approach
ca
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.contributor.director
Bo Jané, Carles
dc.contributor.director
Segado Centellas, Mireia
dc.embargo.terms
6 mesos
ca
dc.date.embargoEnd
2025-06-18T01:00:00Z
dc.rights.accessLevel
info:eu-repo/semantics/embargoedAccess