Cum poate fi transformat plasticul pentru a avea proprietăți speciale

Învățarea automată și inteligența artificială au accelerat capacitatea de a proiecta materiale cu proprietăți specifice. Dar, deși oamenii de știință au reușit să proiecteze noi aliaje metalice, polimerii – precum plasticul folosit pentru pungi – au fost mult mai dificil de proiectat.

Cercetătorii de la Școala de Inginerie Moleculară Pritzker (PME) de la Universitatea din Chicago au găsit o soluție pentru proiectarea polimerilor prin combinarea modelării și învățării automate.

Prin construcția computerizată a aproape 2.000 de polimeri ipotetici, aceștia au reușit să creeze o bază de date suficient de mare pentru a antrena o rețea neuronală – un tip de învățare automată – pentru a înțelege ce proprietăți polimerice apar din diferite secvențe moleculare.

“Arătăm că problema poate fi rezolvată”, a declarat Juan de Pablo, profesor de familie Liew inginerie moleculară care a condus cercetarea. “Acum, că am stabilit această bază și am arătat că se poate realiza, putem face pași înainte în utilizarea acestui cadru pentru a proiecta polimeri cu proprietăți specifice”.

Crearea unei baze de date pentru învățarea secvențelor polimerice

Pentru a crea baza de date, cercetătorii au folosit aproape 2.000 de polimeri construiți pe bază de calcul, toți având secvențe diferite și au efectuat simulări moleculare pentru a le prezice proprietățile și comportamentul.

De ce nu s-a retras Ludovic Orban din cursa pentru alegerile prezidențiale, deși a anunțat că o va face. Ce se va alege de voturi

Singura minune a lumii antice care există și în ziua de azi, după 4.500 de ani. Marea Piramidă din Giza, cel mai vestit mausoleu din istorie

Când au folosit pentru prima dată o rețea neuronală pentru a afla care sunt proprietățile bazate pe care secvențe moleculare, nu erau siguri dacă vor găsi un răspuns rezonabil.

“Nu știam câte secvențe polimerice diferite sunt necesare pentru a învăța comportamentul materialelor”, a spus de Pablo. “Răspunsul ar fi putut ajunge la milioane”.

Din fericire, rețeaua avea nevoie doar de mai puțin de câteva sute de secvențe diferite pentru a afla proprietățile și a prezice comportamentul unor secvențe moleculare complet noi. Asta însemna că experimentaliștii ar putea urma acum o strategie similară și pot crea o bază de date pentru a antrena o rețea de învățare automată pentru a prezice proprietățile polimerilor pe baza datelor experimentale.

Totuși, aceasta a fost doar jumătate din problemă. Ulterior, cercetătorii au trebuit să folosească informațiile învățate de rețeaua neuronală pentru a proiecta noi molecule.

Au continuat acest lucru și, pentru prima dată, au putut demonstra abilitatea de a alege o proprietate dintr-o moleculă de polimer și de a folosi învățarea automată pentru a genera un set de secvențe care ar duce la acele proprietăți.

Proiectarea polimerilor specifici

Deși sistemul a fost instruit să înțeleagă doar un anumit tip de polimer, implicațiile potențiale s-ar putea extinde la mai multe tipuri. Nu numai că marile companii ar putea proiecta produse mai ecologice, dar ar putea proiecta și polimeri cu proprietățile pe care și le doresc.

Polimerii sunt dizolvați în mod obișnuit în solvenți pentru vopsele, produse cosmetice, medicamente, soluții medicale și alimente pentru a controla fluxul de lichide, de exemplu.

Polimerii sunt, de asemenea, utilizați într-o gamă largă de tehnologii avansate, de la aplicații aerospațiale la stocarea energiei, până la dispozitive electronice și biomedicale. Proiectarea polimerilor cu precizie ridicată pentru aplicații specifice ar putea permite companiilor să proiecteze materiale într-un mod mai accesibil, mai ușor și mai durabil.

În viitor, grupul de cercetare speră să implice experimentaliști în dezvoltarea unora dintre polimerii pe care i-au proiectat și să continue să își rafineze sistemul pentru a crea polimeri și mai complexi. Bazându-se pe sisteme robotizate pentru sinteza de mare viteză și caracterizarea noilor molecule, ei speră să își extindă baza de date pentru a include date experimentale.