Usando aprendizado de máquina para identificar membranas poliméricas promissoras

Tegoed: Unsplash/CC0 Publiek domein

As membranas poliméricas são amplamente utilizadas na indústria para separar CO2 e gases de exaustão, bem como metano e gás natural. Durante décadas, os cientistas estudaram vários polímeros para melhorar sua resistência e aplicações, mas enfrentaram o desafio de testá-los de forma rápida e eficiente. Na última edição da Science Advances, o professor assistente de engenharia mecânica da UConn Jing Li, professor de engenharia química e biomolecular da Universidade de Connecticut (UConn) Jeff McCutcheon; pesquisadores de Yukon Lei Tao, Xinlong He; O cientista do Instituto de Tecnologia da Califórnia, Jason Young, desenvolveu um novo método pioneiro que usa aprendizado de máquina (ML) para testar e identificar novas membranas poliméricas.

Os autores observaram em seu trabalho a abordagem atual para projetar as membranas Edison: “Ao longo de décadas de avanço tecnológico na ciência das membranas, o projeto de novos dispositivos de membrana foi e continua sendo um processo de tentativa e erro com base na experiência e conhecimento”. As técnicas atuais normalmente substituem os grupos químicos para aumentar a afinidade e a solubilidade do gás desejado ou incluem um volume livre maior para aumentar a difusão geral.

Como alternativa aos testes de punção, modelos de computador podem ser usados ​​para prever o desempenho da membrana. No entanto, eles são muito caros ou imprecisos devido a medições simplificadas. Para superar esse problema, a equipe desenvolveu um método preciso para identificar novos polímeros de alto desempenho usando técnicas de ML.

A equipe usou o aprendizado profundo em um pequeno conjunto de dados para relacionar a química da membrana à função da membrana, usando uma variedade de funções e indicadores químicos específicos. Tradicionalmente, sabe-se que os modelos de RF (floresta aleatória) funcionam bem com dados pequenos, mas a equipe descobriu que as redes neurais profundas tiveram melhor desempenho na hibridização, fazendo a ponte entre as previsões de vários modelos.

Além disso, a equipe descobriu que o modelo de ML foi capaz de identificar milhares de polímeros cujo desempenho ultrapassou o limite de Robeson, um limite usado para determinar o equilíbrio entre o desempenho e a seletividade das membranas de separação de gás de polímero. Além disso, os polímeros de alto desempenho divulgados permitem que a indústria realize a separação de gases mantendo um alto grau de seletividade.

Os pesquisadores concluíram: ‘Em última análise, apresentamos à comunidade de design de membranas muitos novos candidatos a polímeros de alto desempenho e propriedades químicas importantes que devem ser consideradas ao projetar estruturas moleculares. Atua como um polímero de membrana para purificação e purificação de água, células de combustível de alta temperatura e catalisadores.

Leave a Comment