Los métodos computacionales permiten controlar la competencia de fase entre los marcos de zeolita. Impresión artística de cómo una molécula diseñada por computadora es capaz de sintetizar dos marcos diferentes. Crédito:Schwalbe-Koda et al.
Zeolitas grupos de minerales que comprenden aluminosilicatos hidratados, se sabe que son materiales muy prometedores para una serie de aplicaciones. Por ejemplo, se pueden utilizar como catalizadores, intercambiadores de cationes y tamices moleculares.
Si bien muchos estudios anteriores han examinado el potencial de estos materiales, Hasta ahora, la gestión de la competencia de fase durante la síntesis de zeolita ha demostrado ser un desafío y una labor intensa. El término síntesis de zeolitas se refiere a los procesos mediante los cuales se pueden crear o sintetizar zeolitas en el laboratorio.
Investigadores del Instituto de Tecnología de Massachusetts (MIT), en colaboración con investigadores de la Universidad Politécnica de Valencia y la Universidad de Estocolmo, han propuesto recientemente una nueva estrategia para controlar la selectividad de fase durante los procesos de síntesis de zeolita con plantilla. Esta estrategia, presentado en un artículo publicado en Ciencias , se basa en el uso combinado de simulaciones atomísticas, minería de literatura, interacciones humano-computadora, técnicas de síntesis y caracterización de materiales.
"Nuestra investigación en el Learning Matter Lab del MIT se centra en los problemas de una aguja en un pajar en la ciencia de los materiales, "Rafael Gómez-Bombarelli, uno de los investigadores que realizó el estudio, dijo Phys.org. "Diseñar una molécula que moldea selectivamente una zeolita determinada ha sido un problema combinatorio difícil durante décadas, con mucha prueba y error en el laboratorio. Aunque las simulaciones atomísticas han ayudado históricamente, a los enfoques tradicionales les faltaba el papel de la selectividad porque se centraban en una sola zeolita a la vez ".
Los métodos computacionales permiten el diseño de plantillas para cavidades de zeolita. Crédito:Schwalbe-Koda et al.
Gomez-Bombarelli y sus colegas utilizaron simulaciones de alto rendimiento basadas en la mecánica molecular para cuantificar la afinidad de diferentes plantillas moleculares tanto con la zeolita que estaban tratando de crear como con las que no eran adecuadas para una aplicación determinada. El equipo obtuvo información de más de 586, 000 simulaciones de moléculas de zeolita que se alinearon con la literatura existente en el diseño de materiales.
"Con estas simulaciones, encontramos plantillas que son más selectivas incluso si no son los aglutinantes más fuertes, "Daniel Schwalbe-Koda, otro investigador involucrado en el estudio, dijo Phys.org. "Gracias a los rápidos algoritmos que ajustamos durante el año anterior y que comparamos con décadas de datos bibliográficos, nuestras simulaciones fueron órdenes de magnitud más rápidas que los enfoques tradicionales y nos permitieron alcanzar una gran cantidad de combinaciones de manera muy eficiente ".
Los resultados de las simulaciones llevaron a la identificación de varios diseños posibles de zeolitas que podrían realizarse en el futuro. Si bien no hay certeza de que todos los diseños que identificaron sean ideales, la obra de Gomez-Bombarelli, Schwalbe-Koda y sus colegas podrían ayudar a reducir la búsqueda de diseños de zeolitas prometedores y acelerar los procesos de síntesis de zeolitas.
"La teoría ha apoyado típicamente experimentos en la ciencia de la zeolita, pero rara vez abrió el camino, "Manuel Moliner, uno de los investigadores que realizó el estudio, dijo Phys.org. "Con estos nuevos conocimientos, Nuestras posibilidades de éxito cuando nos propusimos fabricar materiales novedosos en el laboratorio son mucho mayores y hay mucho potencial sin explotar en moléculas que no habían recibido atención pero que pueden desbloquear novedades. catalizadores eficientes y rentables ".
La competencia de fase se cuantifica para más de 200 zeolitas conocidas y todas las plantillas de la bibliografía. Los resultados de la simulación permiten a los investigadores encontrar no solo buenas moléculas para un marco determinado, pero qué estructuras pueden cristalizar cuando se usa una molécula determinada en la síntesis. Crédito:Schwalbe-Koda et al.
Este estudio reciente confirma que las herramientas y algoritmos computacionales de alto rendimiento podrían desempeñar un papel clave en la identificación de nuevos materiales prometedores. Sin embargo, los investigadores creen firmemente que la intuición de humanos expertos sigue siendo necesaria al analizar simulaciones por computadora o las predicciones de un algoritmo.
"Al final del día, los humanos son los usuarios finales de los datos, por lo que deberíamos intentar que sea lo más útil posible para aplicaciones prácticas, ", Dijo Schwalbe-Koda." Una de mis ideas favoritas de nuestro estudio es que la forma molecular es un gran predictor de selectividad. Pudimos crear un nuevo material que está a medio camino entre dos conocidos, mediante el uso de una plantilla cuya forma está a medio camino entre las moléculas utilizadas tradicionalmente ".
La nueva estrategia computacional para el control de la síntesis y composición estructural de zeolitas presentada por Gómez-Bombarelli, Schwalbe-Koda, Moliner y sus colegas pronto podrían ayudar al descubrimiento de nuevas plantillas de zeolita prometedoras. Esto podría tener implicaciones importantes para varios campos de investigación, incluido el campo de la energía y los esfuerzos para abordar el cambio climático. Por tanto, los investigadores han decidido poner sus datos a disposición del público a través de un sitio web interactivo en línea.
"Hay muchas vías interesantes para la investigación futura, "Dijo Moliner." Me vienen a la mente dos que son de interés teórico y práctico. Uno es personalizar la composición y geometría del bolsillo catalítico en la zeolita y avanzar hacia "enzimas inorgánicas". Otro es darse cuenta de zeolitas completamente nuevas que por ahora siguen siendo puramente hipotéticas. Al poner nuestros datos de simulación a disposición de la comunidad, esperamos que otros también se sientan inspirados para seguir nuevas direcciones creativas ".
© 2021 Science X Network
