Полимеры будущего: как ИИ помогает химикам найти лучшие материалы из экологичного сырья

Полимеры — это огромный класс материалов, которые состоят из длинных цепочек молекул, соединенных химическими связями. Полимеры широко используются в различных областях, от упаковки и одежды до медицины и электроники. Однако большинство полимеров производятся из нефти, что имеет негативное влияние на окружающую среду и ограничивает их функциональность. Как создать полимеры, которые будут более устойчивыми к разложению, биосовместимыми, термостойкими и эластичными, используя более экологичные источники сырья?

Ответ на этот вопрос может дать искусственный интеллект (ИИ), который способен ускорить процесс открытия новых полимеров с желаемыми свойствами. ИИ — это область науки, которая занимается созданием и использованием компьютерных систем, способных выполнять задачи, требующие человеческого интеллекта, такие как распознавание образов, обработка естественного языка, принятие решений и обучение. ИИ может помочь химикам в поиске оптимальных рецептов полимеров, анализируя огромные объемы данных о молекулярной структуре и физических характеристиках различных полимеров.

Один из примеров такого подхода — это инструмент PolyID: Polymer Inverse DesignTM, разработанный в Национальной лаборатории возобновляемой энергии (NREL) США с поддержкой Отдела энергетики США по биоэнергетическим технологиям. Этот инструмент использует машинное обучение, чтобы предсказать свойства материалов на основе молекулярной структуры. Это позволяет ему отбирать миллионы возможных дизайнов полимеров и создавать короткий список кандидатов для заданного приложения. Инструмент обсуждается подробно в статье в журнале Macromolecules.

Алгоритм, лежащий в основе PolyID, является передовым развитием основополагающего подхода, известного как «теория группового вклада». Инструмент устанавливает связи между расположением кислорода, водорода, углерода и других элементов и свойствами материалов, чтобы предсказать атрибуты, такие как упругость, теплостойкость и герметичность. С ростом библиотеки связей между молекулярными структурами полимеров и их известными свойствами он «учится» предсказывать, как могут быть спроектированы новые полимеры, чтобы достичь определенных физических характеристик.

Одно из преимуществ PolyID заключается в том, что он может использовать биомассу и отходы в качестве источников сырья для полимеров. Биомасса — это любые органические материалы, полученные из растений, животных или микроорганизмов, такие как кукурузные стебли, водоросли или даже мусор. Они содержат дополнительные химические связи, которые часто предоставляют химикам большую гибкость для достижения определенных свойств. Например, биомасса богата гетероатомами, такими как кислород и азот, которые могут улучшить совместимость полимеров с окружающей средой и биологическими системами. Кроме того, использование биомассы и отходов может снизить зависимость от нефти и уменьшить выбросы парниковых газов.

PolyID позволяет химикам выбирать желаемые свойства полимеров и предлагает им возможные рецепты, как их достичь с использованием биомассы. Например, инструмент может помочь найти полимеры, которые могут быть использованы в качестве биоразлагаемых упаковочных материалов, биосовместимых имплантатов, термостойких композитов или эластичных резин. Инструмент также может помочь оптимизировать существующие полимеры, добавляя или удаляя элементы из их структуры.

PolyID — это мощный инструмент, который может ускорить открытие новых полимеров с более высокой производительностью и большей устойчивостью. Он демонстрирует, как искусственный интеллект может помочь решать сложные научные задачи, используя большие данные и машинное обучение. Он также показывает, как можно использовать биомассу и отходы в качестве альтернативных источников сырья для полимеров, что может способствовать развитию биоэкономики и снижению воздействия на окружающую среду. PolyID — это пример того, как искусственный интеллект может быть силой добра в науке и инновациях.