Uma nova estratégia para fortalecer materiais poliméricos pode levar a plásticos mais duráveis e reduzir o desperdício de plástico, de acordo com pesquisadores do MIT e da Universidade Duke.

Utilizando aprendizado de máquina, os pesquisadores identificaram moléculas reticulantes que podem ser adicionadas a materiais poliméricos, permitindo que eles suportem mais força antes de se romperem. Esses reticulantes pertencem a uma classe de moléculas conhecidas como mecanóforos, que mudam de forma ou outras propriedades em resposta à força mecânica.

"Essas moléculas podem ser úteis para a fabricação de polímeros que seriam mais fortes em resposta à força. Você aplica algum estresse a elas e, em vez de rachar ou quebrar, vê algo com maior resiliência", diz Heather Kulik, Professora Lammot du Pont de Engenharia Química no MIT, que também é professora de química e autora sênior do estudo.

Os reticuladores que os pesquisadores identificaram neste estudo são compostos contendo ferro conhecidos como ferrocenos, cujo potencial como mecanóforos ainda não havia sido amplamente explorado. Avaliar experimentalmente um único mecanóforo pode levar semanas, mas os pesquisadores demonstraram que poderiam usar um modelo de aprendizado de máquina para acelerar drasticamente esse processo.

A pós-doutoranda do MIT, Ilia Kevlishvili, é a autora principal do artigo de acesso aberto , publicado na sexta-feira na ACS Central Science . Outros autores incluem Jafer Vakil, aluno de pós-graduação da Duke; David Kastner e Xiao Huang, ambos alunos de pós-graduação do MIT; e Stephen Craig, professor de química da Duke.

Mecanóforos são moléculas que respondem à força de maneiras únicas, geralmente mudando sua cor, estrutura ou outras propriedades. No novo estudo, a equipe do MIT e da Duke queria investigar se eles poderiam ser usados para ajudar a tornar polímeros mais resistentes a danos.

O novo trabalho baseia-se em um  estudo de 2023 de Craig e Jeremiah Johnson, Professor A. Thomas Guertin de Química no MIT, e seus colegas. Nesse trabalho, os pesquisadores descobriram que, surpreendentemente, a incorporação de reticuladores fracos em uma rede polimérica pode tornar o material como um todo mais resistente. Quando materiais com esses reticuladores fracos são esticados até o ponto de ruptura, quaisquer fissuras que se propaguem pelo material tentam evitar as ligações mais fortes e, em vez disso, atravessam as ligações mais fracas. Isso significa que a fissura precisa quebrar mais ligações do que se todas as ligações tivessem a mesma resistência.

Para encontrar novas maneiras de explorar esse fenômeno, Craig e Kulik uniram forças para tentar identificar mecanóforos que poderiam ser usados como reticuladores fracos.

“Tínhamos essa nova visão e oportunidade mecanicista, mas ela veio com um grande desafio: de todas as composições possíveis da matéria, como podemos escolher aquelas com o maior potencial?”, diz Craig. “Todo o crédito a Heather e Ilia por identificarem esse desafio e elaborarem uma abordagem para enfrentá-lo.”

Descobrir e caracterizar mecanóforos é uma tarefa complexa que exige experimentos demorados ou simulações computacionalmente complexas de interações moleculares. A maioria dos mecanóforos conhecidos são compostos orgânicos, como o ciclobutano, que foi usado como reticulador no estudo de 2023.

No novo estudo, os pesquisadores se concentraram em moléculas conhecidas como ferrocenos, que se acredita terem potencial como mecanóforos. Ferrocenos são compostos organometálicos que possuem um átomo de ferro intercalado entre dois anéis contendo carbono. Esses anéis podem ter diferentes grupos químicos adicionados a eles, o que altera suas propriedades químicas e mecânicas.

Muitos ferrocenos são usados como fármacos ou catalisadores, e alguns são conhecidos por serem bons mecanóforos, mas a maioria ainda não foi avaliada para esse uso. Testes experimentais com um único mecanóforo potencial podem levar várias semanas, e simulações computacionais, embora mais rápidas, ainda levam alguns dias. Avaliar milhares de candidatos usando essas estratégias é uma tarefa árdua.

Percebendo que uma abordagem de aprendizado de máquina poderia acelerar drasticamente a caracterização dessas moléculas, a equipe do MIT e da Duke decidiu usar uma rede neural para identificar ferrocenos que poderiam ser mecanóforos promissores.

Eles começaram com informações de um banco de dados conhecido como Cambridge Structural Database, que contém as estruturas de 5.000 ferrocenos diferentes que já foram sintetizados.

"Sabíamos que não precisávamos nos preocupar com a questão da sintetizabilidade, pelo menos da perspectiva do mecanóforo em si. Isso nos permitiu escolher um espaço realmente amplo para explorar, com grande diversidade química, que também seria sinteticamente realizável", diz Kevlishvili.

Primeiro, os pesquisadores realizaram simulações computacionais para cerca de 400 desses compostos, permitindo-lhes calcular quanta força é necessária para separar os átomos dentro de cada molécula. Para esta aplicação, eles buscavam moléculas que se quebrassem rapidamente, já que essas ligações fracas poderiam tornar os materiais poliméricos mais resistentes à ruptura.

Em seguida, eles usaram esses dados, juntamente com informações sobre a estrutura de cada composto, para treinar um modelo de aprendizado de máquina. Esse modelo foi capaz de prever a força necessária para ativar o mecanóforo, que por sua vez influencia a resistência à ruptura, para os 4.500 compostos restantes no banco de dados, além de outros 7.000 compostos semelhantes aos do banco de dados, mas com alguns átomos rearranjados.

Os pesquisadores descobriram duas características principais que pareciam aumentar a resistência ao rasgo. Uma delas eram as interações entre os grupos químicos ligados aos anéis de ferroceno. Além disso, a presença de moléculas grandes e volumosas ligadas a ambos os anéis de ferroceno tornava a molécula mais propensa a se romper em resposta às forças aplicadas.

Embora a primeira dessas características não tenha sido surpreendente, a segunda não era algo que um químico teria previsto de antemão e não poderia ter sido detectada sem IA, afirmam os pesquisadores. "Isso foi algo realmente surpreendente", diz Kulik.

Assim que os pesquisadores identificaram cerca de 100 candidatos promissores, o laboratório de Craig na Duke sintetizou um material polimérico incorporando um deles, conhecido como m-TMS-Fc. Dentro do material, o m-TMS-Fc atua como um reticulador, conectando as cadeias poliméricas que compõem o poliacrilato, um tipo de plástico.

Ao aplicar força em cada polímero até que ele se rompesse, os pesquisadores descobriram que o ligante fraco m-TMS-Fc produziu um polímero forte e resistente ao rompimento. Este polímero revelou-se cerca de quatro vezes mais resistente do que os polímeros feitos com ferroceno padrão como reticulante.

Os pesquisadores agora esperam usar sua abordagem de aprendizado de máquina para identificar mecanóforos com outras propriedades desejáveis, como a capacidade de mudar de cor ou se tornar cataliticamente ativos em resposta a uma força. Esses materiais podem ser usados como sensores de estresse ou catalisadores comutáveis, e também podem ser úteis para aplicações biomédicas, como a administração de medicamentos.

Nesses estudos, os pesquisadores planejam se concentrar em ferrocenos e outros mecanóforos contendo metais que já foram sintetizados, mas cujas propriedades não são totalmente compreendidas.

“Mecanóforos de metais de transição são relativamente pouco explorados e provavelmente são um pouco mais desafiadores de produzir”, diz Kulik. “Este fluxo de trabalho computacional pode ser amplamente utilizado para ampliar o escopo de mecanóforos que as pessoas têm estudado.”

A pesquisa foi financiada pelo Centro de Química de Redes Molecularmente Otimizadas (MONET) da National Science Foundation