Zeolieten zijn alomtegenwoordige katalysatoren in de chemische industrie en spelen een cruciale rol in olieraffinaderijen, maar ook in nieuwere en duurzame technologieën, zoals de omzetting van biomassa of de conversie van CO2 naar koolwaterstoffen. Om hun werkingsmechanisme grondig te begrijpen en experimentele waarnemingen te ondersteunen, kan moleculaire modellering worden gebruikt om deze kristallijne microporeuze materialen te onderzoeken. Helaas zijn zeoliet-gekatalyseerde reacties op atomair niveau zeer complex, waarbij een veelvoud aan factoren de reactie-uitkomst kan veranderen, waaronder (maar niet beperkt tot) de aanwezigheid van gastmoleculen, defecten, heterogene verdeling van actieve sites. In dit doctoraatsonderzoek werden geavanceerde moleculaire modelleringstechnieken aangewend om zeoliet-gekatalyseerde reacties te beschrijven zoals ze voorkomen onder experimentele condities. We proberen de beschrijving van de werkende katalysator geleidelijk te verbeteren door gebruik te maken van technieken gebaseerd op moleculaire dynamica, waarbij de dynamica van de atomen wordt gevolgd op realistische reactietemperaturen en in aanwezigheid van onder meer water. Bovendien werden geavanceerde machine learning-technieken aangewend om de computationeel zeer intensieve simulaties op kwantummechanisch niveau te versnellen. Dit onderzoek toont dat dergelijke technieken ongekende inzichten verschaffen in de complexe reacties van zeolieten.