Polyoxometalates (POMs), ranging in size from 1 to 10's of nanometers, resemble building blocks of inorganic materials. Elucidating their complex solubility behavior with alkali-counterions can inform natural and synthetic aqueous processes. In the study of POMs ([Nb24 O72 H9 ]15- , Nb24 ) we discovered an unusual solubility trend (termed anomalous solubility) of alkali-POMs, in which Nb24 is most soluble with the smallest (Li+ ) and largest (Rb/Cs+ ) alkalis, and least soluble with Na/K+ . Via computation, we define a descriptor (σ-profile) and use an artificial neural network (ANN) to predict all three described alkali-anion solubility trends: amphoteric, normal (Li+ >Na+ >K+ >Rb+ >Cs+ ), and anomalous (Cs+ >Rb+ >K+ >Na+ >Li+ ). Testing predicted amphoteric solubility affirmed the accuracy of the descriptor, provided solution-phase snapshots of alkali-POM interactions, yielded a new POM formulated [Ti6 Nb14 O54 ]14- , and provides guidelines to exploit alkali-POM interactions for new POMs discovery.

Herein, we present a new computational methodology that unlocks the prediction of the complex multi-species multi-equilibria processes involved in the formation of complex metal-oxo nanoclusters. Relying on our recently introduced method named POMSimulator, we extended its capabilities and challenged its accuracy with the well-known phosphomolybdate [PMo

Chaotropic polyoxometalates (POMs) form robust host-guest complexes with γ-cyclodextrin (γ-CD), offering promising applications in catalysis, electrochemical energy storage, and nanotechnology. In this article, we provide the first computational insights on the supramolecular binding mechanisms using density-functional theory and classical molecular dynamics simulations. Focusing on the encapsulation of archetypal Keggin-type POMs (PW

Polymeric carbon nitride (CN) emerged as an alternative, metal-free photoanode material for water-splitting photoelectrochemical cells (PECs). However, the performance of CN photoanodes is limited due to the slow charge separation and water oxidation kinetics due to poor interaction with water oxidation catalysts (WOCs). Moreover, operation under benign, neutral pH conditions is rarely reported. Here, we design a porous CN photoanode connected to a highly active molecular Ru-based WOC, which also acts as an additional photo-absorber. We show that the strong interaction between the π-system of the heptazine units within the CN with the CH groups of the WOC's equatorial ligand enables a strong connection between them and an efficient electronic communication path. The optimized photoanode exhibits a photocurrent density of 180 ± 10 μA cm

Abstract Elucidating the speciation (in terms of concentration versus pH) and understanding the formation mechanisms of polyoxometalates remains a significant challenge, both in experimental and computational domains. POMSimulator is a new methodology that tackles this problem from a purely computational perspective. The methodology uses results from quantum mechanics based methods to automatically set up the chemical reaction network, and to build speciation models. As a result, it becomes possible to predict speciation and phase diagrams, as well as to derive new insights into the formation mechanisms of large molecular clusters. In this work we present the main features of the first open‐source version of the software. Since the first report [Chem. Sci. 2020, 11, 8448‐8456], POMSimulator has undergone several improvements to keep up with the growing challenges that were tackled. After four years of research, we recognize that the source code is sufficiently stable to share a polished and user‐friendly version. The Python code, manual, examples, and install instructions can be found at https://github.com/petrusen/pomsimulator .