L'apprendimento automatico aiuta a trovare polimeri più forti

Una strategia sviluppata dai ricercatori della MIT e della Duke University utilizza l'apprendimento automatico per identificare le molecole di reticolazione che rendono i polimeri più resistenti alle lacrime.Ciò può aiutare a ridurre i rifiuti di plastica.Il metodo si concentra sui meccanofori, che sono molecole che cambiano struttura o comportamento se esposte alla forza e utilizzano una rete neurale per screening dei candidati.

I ricercatori hanno applicato questo metodo ai ferroceni, composti contenenti ferro non ampiamente studiati come meccanoprofori.I test hanno mostrato che il materiale era circa quattro volte più duro di quelli realizzati con reticolatori standard a base di ferrocene.

Il primo passo ha comportato la simulazione di circa 400 ferroceni per calcolare la forza necessaria per rompere i legami.Questi dati hanno addestrato un modello di apprendimento automatico per prevedere la resistenza lacrima in altri composti.Il modello ha trovato due caratteristiche che hanno migliorato le prestazioni: interazioni tra gruppi chimici sugli anelli e la presenza di grandi gruppi su entrambi i lati del ferrocene.Mentre era prevista la prima caratteristica, la seconda è stata un risultato trovato dall'IA e non previsto da un chimico umano.

Trovare e testare i meccanopori è di solito un processo lento.I meccanopofori più noti sono organici, come il ciclobutano, che è stato usato come reticolante.Testare un meccanopmo in laboratorio può richiedere settimane.Anche le simulazioni richiedono giorni.Questo rende difficile lo screening tradizionale quando ci sono migliaia di opzioni.

I ferroceni sono comuni nella catalisi e nella ricerca sui farmaci ma non sono stati testati molto come meccanofori.Questi composti organometallici hanno un atomo di ferro tra due anelli a base di carbonio.Gli anelli trasportano gruppi chimici che influenzano il modo in cui la molecola reagisce alla forza.

Lavorando con i ferroceni e utilizzando l'apprendimento automatico, il team ha mostrato un modo più scalabile per trovare utili meccanoprofori.Questo approccio potrebbe anche aiutare a trovare composti che rispondono alla forza cambiando il colore, innescando reazioni o altri comportamenti.Ciò potrebbe essere utile per rilevare lo stress, cambiare catalizzatore o fornire farmaci.

I lavori futuri probabilmente esaminano i ferroceni e altri composti a base di metallo per trovare più meccanofori e sviluppare nuovi materiali.