La IA ayuda a los químicos a desarrollar plásticos más resistentes
Los investigadores han creado polímeros más resistentes al desgarro mediante la incorporación de moléculas sensibles a la tensión identificadas por un modelo de aprendizaje automático
Una nueva estrategia para reforzar los materiales poliméricos podría dar lugar a plásticos más duraderos y reducir los residuos plásticos, según investigadores del MIT y la Universidad de Duke. Mediante aprendizaje automático, los investigadores identificaron moléculas reticulantes que pueden añadirse a los materiales poliméricos para que resistan más fuerza antes de romperse. Estos reticulantes pertenecen a una clase de moléculas conocidas como mecanóforos, que cambian su forma u otras propiedades en respuesta a la fuerza mecánica.
"Estas moléculas pueden ser útiles para fabricar polímeros más resistentes a la fuerza. Si se les aplica cierta tensión, en lugar de agrietarse o romperse, se obtiene una mayor resistencia", explica Heather Kulik, catedrática Lammot du Pont de Ingeniería Química del MIT, profesora de Química y autora principal del estudio.
Los reticulantes que los investigadores identificaron en este estudio son compuestos que contienen hierro conocidos como ferrocenos, cuyo potencial como mecanóforos no se había explorado hasta ahora. Evaluar experimentalmente un único mecanóforo puede llevar semanas, pero los investigadores demostraron que podían utilizar un modelo de aprendizaje automático para acelerar drásticamente este proceso.
Ilia Kevlishvili, investigador postdoctoral del MIT, es el autor principal del artículo de libre acceso publicado en ACS Central Science. Otros autores son Jafer Vakil, estudiante de posgrado de Duke; David Kastner y Xiao Huang, ambos estudiantes de posgrado del MIT; y Stephen Craig, profesor de química en Duke.
El eslabón más débil
Los mecanóforos son moléculas que responden a la fuerza de formas únicas, normalmente cambiando su color, estructura u otras propiedades. En el nuevo estudio, el equipo del MIT y Duke quería investigar si podrían utilizarse para ayudar a que los polímeros fueran más resistentes a los daños.
El nuevo trabajo se basa en un estudio de 2023 de Craig y Jeremiah Johnson, catedrático de Química A. Thomas Guertin del MIT, y sus colegas. En ese trabajo, los investigadores descubrieron que, sorprendentemente, la incorporación de reticulantes débiles a una red de polímeros puede hacer que el material en su conjunto sea más resistente. Cuando los materiales con estos reticulantes débiles se estiran hasta el punto de rotura, las grietas que se propagan a través del material intentan evitar los enlaces más fuertes y pasan por los más débiles. Esto significa que la grieta tiene que romper más enlaces de los que rompería si todos los enlaces tuvieran la misma resistencia.
Para encontrar nuevas formas de explotar este fenómeno, Craig y Kulik unieron sus fuerzas para tratar de identificar mecanóforos que pudieran utilizarse como reticulantes débiles.
"Teníamos esta nueva perspectiva y oportunidad mecanicista, pero venía acompañada de un gran reto: De todas las composiciones posibles de la materia, ¿cómo encontrar las que tienen mayor potencial? afirma Craig. "Todo el mérito es de Heather e Ilia, tanto por identificar este reto como por idear un enfoque para afrontarlo".
Descubrir y caracterizar los mecanóforos es una tarea difícil que requiere o bien experimentos que llevan mucho tiempo o simulaciones de interacciones moleculares de alta carga computacional. La mayoría de los mecanóforos conocidos son compuestos orgánicos, como el ciclobutano, que se utilizó como reticulante en el estudio de 2023.
En el nuevo estudio, los investigadores querían centrarse en moléculas conocidas como ferrocenos, que se cree que tienen potencial como mecanóforos. Los ferrocenos son compuestos organometálicos con un átomo de hierro intercalado entre dos anillos de carbono. A estos anillos se les pueden añadir diferentes grupos químicos que alteran sus propiedades químicas y mecánicas.
Muchos ferrocenos se utilizan como fármacos o catalizadores, y se sabe que unos cuantos son buenos mecanóforos, pero la mayoría no han sido evaluados para ese uso. Las pruebas experimentales con un único mecanóforo potencial pueden llevar varias semanas, y las simulaciones computacionales, aunque más rápidas, siguen tardando un par de días. Evaluar miles de candidatos con estas estrategias es una tarea de enormes proporciones.
El equipo del MIT y Duke, consciente de que un método de aprendizaje automático podría acelerar drásticamente la caracterización de estas moléculas, decidió utilizar una red neuronal para identificar ferrocenos que pudieran ser mecanóforos prometedores.
Empezaron con información de una base de datos conocida como Cambridge Structural Database, que contiene las estructuras de 5.000 ferrocenos diferentes que ya han sido sintetizados.
"Sabíamos que no teníamos que preocuparnos por la sintetizabilidad, al menos desde la perspectiva del propio mecanóforo. Esto nos permitió elegir un espacio realmente amplio para explorar, con una gran diversidad química, que también sería realizable sintéticamente", explica Kevlishvili.
En primer lugar, los investigadores realizaron simulaciones computacionales de unos 400 de estos compuestos, lo que les permitió calcular cuánta fuerza es necesaria para separar los átomos dentro de cada molécula. Para esta aplicación, buscaban moléculas que se rompieran rápidamente, ya que estos enlaces débiles podrían hacer que los materiales poliméricos fueran más resistentes al desgarro.
A continuación, utilizaron estos datos, junto con información sobre la estructura de cada compuesto, para entrenar un modelo de aprendizaje automático. Este modelo fue capaz de predecir la fuerza necesaria para activar el mecanóforo, que a su vez influye en la resistencia al desgarro, para los 4.500 compuestos restantes de la base de datos, además de otros 7.000 compuestos similares a los de la base de datos pero con algunos átomos reorganizados.
Los investigadores descubrieron dos características principales que parecían aumentar la resistencia al desgarro. Una eran las interacciones entre los grupos químicos unidos a los anillos de ferroceno. Además, la presencia de moléculas grandes y voluminosas unidas a ambos anillos del ferroceno aumentaba la probabilidad de que la molécula se rompiera en respuesta a las fuerzas aplicadas.
Mientras que la primera de estas características no era sorprendente, la segunda no era algo que un químico hubiera predicho de antemano, y no podría haberse detectado sin IA, dicen los investigadores. "Fue algo realmente sorprendente", afirma Kulik.
Plásticos más resistentes
Una vez que los investigadores identificaron unos 100 candidatos prometedores, el laboratorio de Craig en Duke sintetizó un material polimérico que incorporaba uno de ellos, conocido como m-TMS-Fc. Dentro del material, el m-TMS-Fc actúa como reticulante, conectando las hebras de polímero que componen el poliacrilato, un tipo de plástico.
Aplicando fuerza a cada polímero hasta que se desgarraba, los investigadores descubrieron que el débil enlazador m-TMS-Fc producía un polímero fuerte y resistente al desgarro. Este polímero resultó ser unas cuatro veces más resistente que los polímeros fabricados con ferroceno estándar como reticulante.
"Esto tiene grandes implicaciones, porque si pensamos en todos los plásticos que utilizamos y en toda la acumulación de residuos plásticos, si hacemos que los materiales sean más resistentes, su vida útil será más larga. Serán utilizables durante más tiempo, lo que podría reducir la producción de plástico a largo plazo", afirma Kevlishvili.
Los investigadores esperan utilizar ahora su método de aprendizaje automático para identificar mecanóforos con otras propiedades deseables, como la capacidad de cambiar de color o volverse catalíticamente activos en respuesta a la fuerza. Estos materiales podrían utilizarse como sensores de tensión o catalizadores conmutables, y también podrían ser útiles para aplicaciones biomédicas como la administración de fármacos.
En esos estudios, los investigadores planean centrarse en los ferrocenos y otros mecanóforos que contienen metales ya sintetizados pero cuyas propiedades no se conocen del todo.
"Los mecanóforos de metales de transición están relativamente poco explorados y probablemente son un poco más difíciles de fabricar", explica Kulik. "Este flujo de trabajo computacional puede utilizarse ampliamente para ampliar el espacio de mecanóforos que la gente ha estudiado".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
