A IA ajuda os químicos a desenvolver plásticos mais resistentes
Os investigadores criaram polímeros mais resistentes ao rasgamento incorporando moléculas sensíveis ao stress identificadas por um modelo de aprendizagem automática
De acordo com investigadores do MIT e da Universidade de Duke, uma nova estratégia para reforçar os materiais poliméricos poderá conduzir a plásticos mais duráveis e reduzir os resíduos de plástico. Utilizando a aprendizagem automática, os investigadores identificaram moléculas reticuladoras que podem ser adicionadas aos materiais poliméricos, permitindo-lhes suportar mais força antes de se rasgarem. Estes reticuladores pertencem a uma classe de moléculas conhecidas como mecanóforos, que alteram a sua forma ou outras propriedades em resposta à força mecânica.
"Estas moléculas podem ser úteis para fabricar polímeros que sejam mais fortes em resposta à força. Aplicamos-lhes alguma tensão e, em vez de rachar ou partir, vemos algo que tem uma maior resiliência", diz Heather Kulik, a Professora Lammot du Pont de Engenharia Química no MIT, que é também professora de química e autora sénior do estudo.
Os reticuladores que os investigadores identificaram neste estudo são compostos contendo ferro conhecidos como ferrocenos, que até agora não tinham sido amplamente explorados pelo seu potencial como mecanóforos. A avaliação experimental de um único mecanóforo pode demorar semanas, mas os investigadores mostraram que podiam utilizar um modelo de aprendizagem automática para acelerar drasticamente este processo.
Ilia Kevlishvili, pós-doutorado do MIT, é o principal autor do artigo de acesso livre, publicado na ACS Central Science. Os outros autores incluem Jafer Vakil, um estudante licenciado da Duke; David Kastner e Xiao Huang, ambos estudantes licenciados do MIT; e Stephen Craig, professor de química na Duke.
O elo mais fraco
Os mecanóforos são moléculas que respondem à força de formas únicas, normalmente alterando a sua cor, estrutura ou outras propriedades. No novo estudo, a equipa do MIT e da Duke pretendia investigar se estes poderiam ser utilizados para ajudar a tornar os polímeros mais resistentes aos danos.
O novo trabalho se baseia em um estudo de 2023 de Craig e Jeremiah Johnson, o Professor de Química A. Thomas Guertin do MIT, e seus colegas. Nesse trabalho, os pesquisadores descobriram que, surpreendentemente, incorporar reticuladores fracos em uma rede de polímero pode tornar o material geral mais forte. Quando os materiais com estes reticuladores fracos são esticados até ao ponto de rutura, quaisquer fissuras que se propaguem através do material tentam evitar as ligações mais fortes e passar pelas ligações mais fracas. Isto significa que a fenda tem de quebrar mais ligações do que teria se todas as ligações tivessem a mesma força.
Para encontrar novas formas de explorar este fenómeno, Craig e Kulik juntaram forças para tentar identificar mecanóforos que pudessem ser utilizados como reticuladores fracos.
"Tínhamos esta nova visão e oportunidade mecanicista, mas isso veio acompanhado de um grande desafio: De todas as composições possíveis de matéria, como é que nos concentramos naquelas com maior potencial?" diz Craig. "O mérito é todo de Heather e Ilia, que identificaram este desafio e conceberam uma abordagem para o enfrentar."
Descobrir e caraterizar os mecanóforos é uma tarefa difícil que requer experiências demoradas ou simulações computacionais intensas das interações moleculares. A maioria dos mecanóforos conhecidos são compostos orgânicos, como o ciclobutano, que foi utilizado como reticulador no estudo de 2023.
No novo estudo, os investigadores quiseram concentrar-se em moléculas conhecidas como ferrocenos, que se acredita terem potencial como mecanóforos. Os ferrocenos são compostos organometálicos que têm um átomo de ferro ensanduichado entre dois anéis contendo carbono. A esses anéis podem ser adicionados diferentes grupos químicos, que alteram as suas propriedades químicas e mecânicas.
Muitos ferrocenos são usados como produtos farmacêuticos ou catalisadores, e alguns são conhecidos como bons mecanóforos, mas a maioria não foi avaliada para esse uso. Os testes experimentais de um único potencial mecanóforo podem demorar várias semanas e as simulações computacionais, embora mais rápidas, ainda demoram alguns dias. Avaliar milhares de candidatos utilizando estas estratégias é uma tarefa difícil.
Percebendo que uma abordagem de aprendizagem automática poderia acelerar drasticamente a caraterização destas moléculas, a equipa do MIT e da Duke decidiu utilizar uma rede neural para identificar os ferrocenos que poderiam ser mecanóforos promissores.
Começaram com informações de uma base de dados conhecida como Cambridge Structural Database, que contém as estruturas de 5000 ferrocenos diferentes que já foram sintetizados.
"Sabíamos que não tínhamos de nos preocupar com a questão da sintetização, pelo menos na perspetiva do próprio mecanóforo. Isto permitiu-nos escolher um espaço realmente grande para explorar com muita diversidade química, que também seria sinteticamente realizável", diz Kevlishvili.
Em primeiro lugar, os investigadores efectuaram simulações computacionais para cerca de 400 destes compostos, o que lhes permitiu calcular a força necessária para separar os átomos dentro de cada molécula. Para esta aplicação, estavam à procura de moléculas que se separassem rapidamente, uma vez que estas ligações fracas poderiam tornar os materiais poliméricos mais resistentes ao rasgamento.
Em seguida, utilizaram estes dados, juntamente com informações sobre a estrutura de cada composto, para treinar um modelo de aprendizagem automática. Este modelo foi capaz de prever a força necessária para ativar o mecanóforo, que por sua vez influencia a resistência ao rasgamento, para os restantes 4.500 compostos da base de dados, mais 7.000 compostos adicionais que são semelhantes aos da base de dados, mas com alguns átomos reorganizados.
Os investigadores descobriram duas caraterísticas principais que pareciam susceptíveis de aumentar a resistência ao rasgamento. Uma delas foi a interação entre os grupos químicos que estão ligados aos anéis de ferroceno. Além disso, a presença de moléculas grandes e volumosas ligadas a ambos os anéis do ferroceno tornava mais provável que a molécula se partisse em resposta a forças aplicadas.
Enquanto a primeira destas caraterísticas não era surpreendente, a segunda não era algo que um químico tivesse previsto de antemão e não poderia ter sido detectada sem IA, dizem os investigadores. "Isto foi algo verdadeiramente surpreendente", afirma Kulik.
Plásticos mais resistentes
Assim que os investigadores identificaram cerca de 100 candidatos promissores, o laboratório de Craig na Duke sintetizou um material polimérico incorporando um deles, conhecido como m-TMS-Fc. No material, o m-TMS-Fc actua como um reticulador, ligando os fios de polímero que constituem o poliacrilato, um tipo de plástico.
Aplicando força a cada polímero até este se rasgar, os investigadores descobriram que o fraco ligante m-TMS-Fc produzia um polímero forte e resistente ao rasgamento. Este polímero revelou-se cerca de quatro vezes mais resistente do que os polímeros fabricados com ferroceno padrão como reticulador.
"Isto tem realmente grandes implicações porque, se pensarmos em todos os plásticos que utilizamos e em toda a acumulação de resíduos plásticos, se tornarmos os materiais mais resistentes, isso significa que a sua vida útil será mais longa. Serão utilizáveis durante mais tempo, o que poderá reduzir a produção de plástico a longo prazo", afirma Kevlishvili.
Os investigadores esperam agora utilizar a sua abordagem de aprendizagem automática para identificar mecanóforos com outras propriedades desejáveis, como a capacidade de mudar de cor ou de se tornarem cataliticamente activos em resposta à força. Esses materiais poderiam ser utilizados como sensores de tensão ou catalisadores comutáveis e poderiam também ser úteis para aplicações biomédicas, como a administração de medicamentos.
Nesses estudos, os investigadores planeiam concentrar-se nos ferrocenos e noutros mecanóforos contendo metais que já foram sintetizados mas cujas propriedades não são totalmente conhecidas.
"Os mecanóforos de metais de transição são relativamente pouco explorados e a sua produção é provavelmente um pouco mais difícil", afirma Kulik. "Este fluxo de trabalho computacional pode ser amplamente utilizado para alargar o espaço dos mecanóforos que as pessoas estudaram".
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Inglês pode ser encontrado aqui.
Publicação original
Outras notícias do departamento ciência
