L'intelligenza artificiale aiuta i chimici a sviluppare plastiche più resistenti
I ricercatori hanno creato polimeri più resistenti alla lacerazione incorporando molecole che rispondono alle sollecitazioni, identificate da un modello di machine-learning
Secondo i ricercatori del MIT e della Duke University, una nuova strategia per rafforzare i materiali polimerici potrebbe portare a plastiche più resistenti e a ridurre i rifiuti di plastica. Grazie all'apprendimento automatico, i ricercatori hanno identificato molecole reticolanti che possono essere aggiunte ai materiali polimerici, consentendo loro di sopportare una forza maggiore prima di strapparsi. Questi reticolanti appartengono a una classe di molecole note come meccanofori, che cambiano forma o altre proprietà in risposta alla forza meccanica.
"Queste molecole possono essere utili per creare polimeri più resistenti in risposta alla forza. Se si applica loro una certa sollecitazione, invece di rompersi o incrinarsi, si vede qualcosa che ha una maggiore resilienza", spiega Heather Kulik, professore di ingegneria chimica Lammot du Pont al MIT, che è anche professore di chimica e autore senior dello studio.
I reticolanti identificati dai ricercatori in questo studio sono composti contenenti ferro, noti come ferroceni, che finora non erano stati ampiamente esplorati per il loro potenziale come meccanofori. La valutazione sperimentale di un singolo meccanoforo può richiedere settimane, ma i ricercatori hanno dimostrato di poter utilizzare un modello di apprendimento automatico per accelerare notevolmente questo processo.
Ilia Kevlishvili, postdoc del MIT, è l'autore principale dell'articolo ad accesso libero, pubblicato su ACS Central Science. Tra gli altri autori figurano Jafer Vakil, studente laureato alla Duke, David Kastner e Xiao Huang, entrambi laureati al MIT, e Stephen Craig, professore di chimica alla Duke.
L'anello più debole
I meccanofori sono molecole che rispondono alla forza in modi unici, in genere cambiando colore, struttura o altre proprietà. Nel nuovo studio, il team del MIT e della Duke ha voluto verificare se potessero essere utilizzati per contribuire a rendere i polimeri più resistenti ai danni.
Il nuovo lavoro si basa su uno studio del 2023 di Craig e Jeremiah Johnson, Professore di Chimica A. Thomas Guertin al MIT, e dei loro colleghi. In quel lavoro, i ricercatori hanno scoperto che, sorprendentemente, l'incorporazione di reticolanti deboli in una rete di polimeri può rendere il materiale complessivo più forte. Quando i materiali con questi reticolanti deboli vengono allungati fino al punto di rottura, le crepe che si propagano attraverso il materiale cercano di evitare i legami più forti e passano invece attraverso quelli più deboli. Ciò significa che la crepa deve rompere più legami di quanti ne avrebbe se tutti i legami avessero la stessa forza.
Per trovare nuovi modi di sfruttare questo fenomeno, Craig e Kulik hanno unito le loro forze per cercare di identificare i meccanofori che potrebbero essere utilizzati come reticolanti deboli.
"Avevamo questa nuova intuizione meccanicistica e questa opportunità, ma era accompagnata da una grande sfida: Tra tutte le possibili composizioni di materia, come possiamo individuare quelle con il maggior potenziale?". Dice Craig. "Il merito è di Heather e Ilia, che hanno individuato questa sfida e ideato un approccio per affrontarla".
Scoprire e caratterizzare i meccanofori è un compito difficile che richiede esperimenti lunghi o simulazioni computazionalmente intense delle interazioni molecolari. La maggior parte dei meccanofori conosciuti sono composti organici, come il ciclobutano, utilizzato come reticolante nello studio del 2023.
Nel nuovo studio, i ricercatori hanno voluto concentrarsi su molecole note come ferroceni, che si ritiene abbiano un potenziale come meccanofori. I ferroceni sono composti organometallici con un atomo di ferro inserito tra due anelli contenenti carbonio. A questi anelli possono essere aggiunti diversi gruppi chimici che ne modificano le proprietà chimiche e meccaniche.
Molti ferroceni sono utilizzati come prodotti farmaceutici o catalizzatori, e alcuni sono noti per essere buoni meccanofori, ma la maggior parte non è stata valutata per questo uso. I test sperimentali su un singolo potenziale meccanoforo possono richiedere diverse settimane, mentre le simulazioni computazionali, pur essendo più veloci, richiedono comunque un paio di giorni. Valutare migliaia di candidati utilizzando queste strategie è un compito arduo.
Rendendosi conto che un approccio di apprendimento automatico potrebbe accelerare notevolmente la caratterizzazione di queste molecole, il team del MIT e della Duke ha deciso di utilizzare una rete neurale per identificare i ferroceni che potrebbero essere promettenti meccanofori.
Hanno iniziato con le informazioni di un database noto come Cambridge Structural Database, che contiene le strutture di 5.000 diversi ferroceni già sintetizzati.
"Sapevamo di non doverci preoccupare della questione della sintetizzabilità, almeno dal punto di vista del meccanoforo stesso. Questo ci ha permesso di scegliere uno spazio davvero ampio da esplorare, con una grande diversità chimica, che fosse anche sinteticamente realizzabile", spiega Kevlishvili.
Per prima cosa, i ricercatori hanno eseguito simulazioni computazionali per circa 400 di questi composti, consentendo loro di calcolare la forza necessaria per separare gli atomi all'interno di ciascuna molecola. Per questa applicazione, cercavano molecole che si rompessero rapidamente, in quanto questi legami deboli potrebbero rendere i materiali polimerici più resistenti alla lacerazione.
Poi hanno usato questi dati, insieme alle informazioni sulla struttura di ciascun composto, per addestrare un modello di apprendimento automatico. Questo modello è stato in grado di prevedere la forza necessaria per attivare il meccanoforo, che a sua volta influenza la resistenza alla lacerazione, per i restanti 4.500 composti del database, più altri 7.000 composti simili a quelli del database ma con alcuni atomi riorganizzati.
I ricercatori hanno scoperto due caratteristiche principali che sembrano aumentare la resistenza allo strappo. Una è l'interazione tra i gruppi chimici attaccati agli anelli di ferrocene. Inoltre, la presenza di molecole grandi e ingombranti attaccate a entrambi gli anelli del ferrocene rendeva più probabile la rottura della molecola in risposta alle forze applicate.
Mentre la prima di queste caratteristiche non è sorprendente, la seconda non è stata prevista da un chimico e non avrebbe potuto essere rilevata senza l'intelligenza artificiale, dicono i ricercatori. "Si è trattato di qualcosa di veramente sorprendente", afferma Kulik.
Plastiche più resistenti
Una volta identificati circa 100 candidati promettenti, il laboratorio di Craig alla Duke ha sintetizzato un materiale polimerico che incorpora uno di questi, noto come m-TMS-Fc. All'interno del materiale, l'm-TMS-Fc agisce come reticolante, collegando i filamenti polimerici che compongono il poliacrilato, un tipo di plastica.
Applicando una forza a ciascun polimero fino a strapparlo, i ricercatori hanno scoperto che il legante debole m-TMS-Fc produceva un polimero forte e resistente allo strappo. Questo polimero si è rivelato circa quattro volte più resistente dei polimeri prodotti con il ferrocene standard come reticolante.
"Questo ha davvero grandi implicazioni, perché se pensiamo a tutte le plastiche che usiamo e all'accumulo di rifiuti plastici, se si rendono i materiali più resistenti, significa che la loro vita sarà più lunga. Saranno utilizzabili per un periodo di tempo più lungo, il che potrebbe ridurre la produzione di plastica a lungo termine", spiega Kevlishvili.
I ricercatori sperano ora di utilizzare il loro approccio di apprendimento automatico per identificare meccanofori con altre proprietà desiderabili, come la capacità di cambiare colore o di diventare cataliticamente attivi in risposta alla forza. Tali materiali potrebbero essere utilizzati come sensori di stress o catalizzatori commutabili, e potrebbero anche essere utili per applicazioni biomediche come la somministrazione di farmaci.
In questi studi, i ricercatori intendono concentrarsi sui ferroceni e su altri meccanofori contenenti metalli che sono già stati sintetizzati, ma le cui proprietà non sono state completamente comprese.
"I metallofori di transizione sono relativamente poco esplorati e probabilmente sono un po' più difficili da realizzare", spiega Kulik. "Questo flusso di lavoro computazionale può essere ampiamente utilizzato per ampliare lo spazio dei meccanofori studiati".
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Altre notizie dal dipartimento scienza
