AI pomaže kemičarima u razvoju čvršćih plastika

Pomoću strojnog učenja, američki istraživači sa Sveučilišta Duke i instituta MIT, identificirali su molekule 'umreživača' koje se mogu dodati polimernim materijalima, omogućujući im da izdrže veću silu prije kidanja. Ovi umreživači pripadaju klasi molekula poznatih kao mehanofori, koje mijenjaju svoj oblik ili druga svojstva kao odgovor na mehaničku silu.

„Ove molekule mogu biti korisne za izradu polimera koji bi bili jači kao odgovor na silu. Primijenite određeni stres na njih i umjesto pucanja ili loma, vidite nešto što ima veću otpornost“, kaže Heather Kulik, profesorica kemijskog inženjerstva na MIT-u, koja je ujedno i profesorica kemije i glavna autorica studije.

Umreživači koje su istraživači identificirali u ovoj studiji su spojevi koji sadrže željezo poznati kao feroceni, čiji potencijal kao mehanofora do sada nije bio široko istražen. Eksperimentalna evaluacija jednog mehanofora može potrajati tjednima, ali istraživači su pokazali da mogu koristiti model strojnog učenja kako bi dramatično ubrzali taj proces.

Mehanofori su molekule koje reagiraju na silu na jedinstvene načine, obično promjenom boje, strukture ili drugih svojstava. U novoj studiji, tim MIT-a i Dukea želio je istražiti mogu li se koristiti za povećanje otpornosti polimera na oštećenja.

Otkrivanje i karakterizacija mehanofora težak je zadatak koji zahtijeva dugotrajne eksperimente ili računalno intenzivne simulacije molekularnih interakcija. Većina poznatih mehanofora su organski spojevi, poput ciklobutana, koji je korišten kao umreživač u studiji iz 2023. godine.

U novoj studiji, istraživači su se htjeli usredotočiti na molekule poznate kao feroceni, za koje se vjeruje da imaju potencijal kao mehanofori. Feroceni su organometalni spojevi koji imaju atom željeza smješten između dva prstena koja sadrže ugljik. Tim prstenovima mogu se dodati različite kemijske skupine, što mijenja njihova kemijska i mehanička svojstva.

Mnogi feroceni se koriste kao farmaceutski proizvodi ili katalizatori, a nekolicina ih je poznata kao dobri mehanofori, ali većina nije procijenjena za tu upotrebu. Eksperimentalni testovi na jednom potencijalnom mehanoforu mogu trajati nekoliko tjedana, a računalne simulacije, iako brže, ipak traju nekoliko dana. Procjena tisuća kandidata korištenjem ovih strategija je gotovo nemoguć zadatak. 

Shvativši da bi pristup strojnog učenja mogao dramatično ubrzati karakterizaciju ovih molekula, tim s MIT-a i Dukea odlučio je upotrijebiti neuronsku mrežu za identifikaciju ferocena koji bi mogli biti obećavajući mehanofori.

Započeli su s informacijama iz baze podataka poznate kao Cambridge Structural Database, koja sadrži strukture 5000 različitih ferocena koji su već sintetizirani.

Prvo su istraživači proveli računalne simulacije za oko 400 ovih spojeva, što im je omogućilo da izračunaju koliko je sile potrebno za razdvajanje atoma unutar svake molekule. Za ovu primjenu tražili su molekule koje bi se brzo razdvojile, jer bi te slabe veze mogle učiniti polimerne materijale otpornijima na kidanje.

Zatim su koristili te podatke, zajedno s informacijama o strukturi svakog spoja, za treniranje modela strojnog učenja. Ovaj je model uspio predvidjeti silu potrebnu za aktiviranje mehanofora, koji zauzvrat utječe na otpornost na kidanje, za preostalih 4500 spojeva u bazi podataka, plus dodatnih 7000 spojeva koji su slični onima u bazi podataka, ali imaju neke atome preuređene.

Istraživači su otkrili dvije glavne značajke koje su vjerojatno povećale otpornost na kidanje. Jedna je bila interakcija između kemijskih skupina koje su vezane za ferocenske prstenove. Osim toga, prisutnost velikih, glomaznih molekula vezanih za oba prstena ferocena učinila je molekulu vjerojatnijom da će se raspasti kao odgovor na primijenjene sile.

Iako prva od ovih značajki nije bila iznenađujuća, druga osobina nije bila nešto što bi kemičar unaprijed predvidio i nije se mogla otkriti bez umjetne inteligencije, kažu istraživači.

Nakon što su istraživači identificirali oko 100 obećavajućih kandidata, laboratorij na Dukeu sintetizirao je polimerni materijal koji uključuje jedan od njih, poznat kao m-TMS-Fc. Unutar materijala, m-TMS-Fc djeluje kao umreživač, povezujući polimerne niti koje čine poliakrilat, vrstu plastike.

Primjenom sile na svaki polimer sve dok se nije poderao, istraživači su otkrili da slabi m-TMS-Fc povezivač proizvodi jak polimer, otporan na kidanje. Pokazalo se da je ovaj polimer oko četiri puta čvršći od polimera izrađenih sa standardnim ferocenom kao umreživačem.