Covalente organische roosters (COFs) zijn materialen die gekenmerkt worden door hun poriën op de nanoschaal, lichte bouwblokken en hoge stabiliteit. Omwille van deze uitzonderlijke combinatie worden ze voorgesteld voor een grote verscheidenheid aan toepassingen zoals gasopslag, separatie en katalyse. Door hun modulaire karakter kunnen de eigenschappen van COFs ontworpen worden op moleculair niveau. Dit kenmerk zorgt er echter ook voor dat er gigantisch veel COFs mogelijk zijn, wat een experimentele identificatie van de bestpresterende COF voor een bepaalde toepassing verhindert. In dit doctoraatsonderzoek versnelden we de ontwikkeling van veelbelovende COFs met behulp van een uitgebreide computationele screening. Daarvoor maakten we eerst gebruik van een geautomatiseerd ontwerp-algoritme om de ReDD-COFFEE database te genereren, bestaande uit 268 687 COFs. Deze database werd gekarakteriseerd om het gebruik van COFs in twee duurzame-energietoepassingen te onderzoeken. Nadat de prestatiegrenzen van COFs voor de opslag van aardgas in voertuigen werden vastgesteld, werden goedpresterende kandidaten voor de afvang van koolstofdioxide uit puntbronnen na verbranding geïdentificeerd. Tijdens de laatste screening maakten we gebruik van machine learning om de adsorptie-eigenschappen van alle COFs in de database te voorspellen. Onze resultaten stellen experimentele onderzoekers in staat om gericht op zoek te gaan naar veelbelovende materialen voor deze toepassingen.