La síntesis de precursores plásticos, como polímeros, implica catalizadores especializados. Sin embargo, el método tradicional basado en lotes para encontrar y seleccionar los adecuados para un resultado dado consume litros de solvente, genera grandes cantidades de residuos químicos, y es caro, proceso que requiere mucho tiempo y que implica múltiples ensayos.

Ryan Hartman, profesor de ingeniería química y biomolecular en la NYU Tandon School of Engineering, y su laboratorio desarrolló un "microsistema inteligente" basado en laboratorio que emplea aprendizaje automático, para modelar reacciones químicas que prometen eliminar este costoso proceso y minimizar el daño ambiental.

En su investigación, "Combinando la experimentación microfluídica automatizada con el aprendizaje automático para un diseño de polimerización eficiente, " publicado en Inteligencia de la máquina de la naturaleza , los colaboradores, incluido el estudiante de doctorado Benjamin Rizkin, empleó un diseño personalizado, Un microrreactor rápidamente prototipo junto con la automatización y la termografía infrarroja in situ para estudiar la polimerización exotérmica (generadora de calor), reacciones que son notoriamente difíciles de controlar cuando se dispone de datos cinéticos experimentales limitados. Al combinar tecnología de microfluidos eficiente con algoritmos de aprendizaje automático para obtener conjuntos de datos de alta fidelidad basados ​​en iteraciones mínimas, pudieron reducir los desechos químicos en dos órdenes de magnitud y el descubrimiento catalítico de semanas a horas.

Hartman explicó que el diseño de la configuración de microfluidos requería que el equipo estimara primero la termodinámica de las reacciones de polimerización. en este caso involucrando una clase de catalizadores de metaloceno, ampliamente utilizado en la polimerización a escala industrial de polietileno y otros polímeros termoplásticos.

"Primero desarrollamos una estimación por orden de magnitud del transporte de calor y masa, ", dijo Hartman." El conocimiento de estas cantidades nos permitió diseñar un dispositivo de microfluidos que puede filtrar la actividad de los catalizadores y ofrecer mecanismos escalables que imitan la cinética intrínseca necesaria para los procesos a escala industrial ".

Hartman agregó que dicho sistema de sobremesa podría abrir la puerta a una variedad de otros datos experimentales. "Podría proporcionar contexto para analizar otras propiedades de interés, como la forma en que la mezcla de corrientes, dispersión, transferencia de calor, transferencia de masa, y la cinética de la reacción influye en las características del polímero, " él explicó.

Usando una clase de catalizadores poliméricos basados ​​en circonoceno, el equipo de investigación combinó microfluídicos, comprobados en la investigación de otras reacciones exotérmicas, con una bomba automatizada y termografía infrarroja para detectar cambios en la reactividad basados ​​en exotermas (compuestos que emiten calor durante su formación), lo que resulta en una eficiencia, experimentación de alta velocidad para mapear el espacio de reacción del catalizador. Dado que el proceso se llevó a cabo en un pequeño reactor, Pudieron introducir el catalizador disuelto en líquido, eliminando la necesidad de condiciones extremas para inducir la catálisis.

"El hecho es, la mayoría de los plásticos se fabrican con catalizadores de metaloceno unidos a partículas de sílice, creando un sustrato heterogéneo que polimeriza monómeros como propileno y etileno, ", dijo Hartman." Los avances recientes en catalizadores homogéneos de metaloceno disuelto permiten condiciones de reacción más suaves ".

El grupo de Hartman demostró previamente que las redes neuronales artificiales (ANN) se pueden utilizar como una herramienta para modelar y comprender las vías de polimerización. En la nueva investigación, aplicaron ANN para modelar la polimerización exotérmica catalizada por circonoceno. Usando sistemas MATLAB y LabVIEW para controlar las reacciones, interfaz con dispositivos externos, y generar algoritmos computacionales avanzados, los investigadores generaron una serie de ANN para modelar y optimizar la catálisis basándose en resultados experimentales.

"Las empresas químicas suelen utilizar reactores de 100 mililitros a 10 litros para filtrar cientos de catalizadores que, a su vez, podrían ampliarse para fabricar plásticos. Aquí utilizamos menos de un mililitro, y al reducir la huella de los experimentos de laboratorio, se reducen las instalaciones necesarias, por lo que se reduce toda la huella. Nuestro trabajo proporciona una herramienta útil para el análisis científico y tecnoeconómico de polimerizaciones catalíticas complejas, "dijo Hartman.

Los descubrimientos de Hartman y su laboratorio abren las puertas a nuevos tipos de investigación, principalmente involucrando el concepto de automatizado, o química "robótica", aumentar el rendimiento, fidelidad de datos, y el manejo seguro de polimerizaciones altamente exotérmicas.

Explicó que, en principio, el método podría conducir a un diseño más eficiente y plásticos más benignos para el medio ambiente, dado que el cribado de catalizadores y polímeros más rápido permite la capacidad de adaptar más rápidamente los procesos a polímeros más respetuosos con el medio ambiente.