یادگیری ماشین به یافتن پلیمرهای قوی تر کمک می کند
What if plastics could heal, sense stress, or last longer?یک روش یادگیری ماشین مولکول های پنهان را پیدا می کند که ممکن است نحوه طراحی مواد را تغییر دهد.
استراتژی تدوین شده توسط محققان در دانشگاه MIT و دوک از یادگیری ماشین برای شناسایی مولکول های CrossLinker که باعث می شود پلیمرها در برابر پارگی مقاوم تر شوند ، استفاده می کند.این ممکن است به کاهش زباله های پلاستیکی کمک کند.این روش بر روی مکانیکوفور ها متمرکز است ، که مولکولهایی هستند که در هنگام قرار گرفتن در معرض ساختار یا رفتار تغییر می کنند و از یک شبکه عصبی برای نمایش کاندیداها استفاده می کنند.
محققان از این روش برای فروسن ها استفاده کردند ، ترکیبات حاوی آهن که به طور گسترده ای به عنوان مکانیکوفور مورد مطالعه قرار نمی گیرند.آزمایشات نشان داد که این ماده تقریباً چهار برابر سخت تر از مواد ساخته شده با اتصال دهنده های مبتنی بر فروسن است.
اولین قدم شامل شبیه سازی حدود 400 فروسن برای محاسبه نیروی مورد نیاز برای شکستن اوراق قرضه بود.این داده ها یک مدل یادگیری ماشین را برای پیش بینی مقاومت اشک در ترکیبات دیگر آموزش داده اند.این مدل دو ویژگی را پیدا کرده است که باعث بهبود عملکرد می شود - تعامل بین گروه های شیمیایی روی حلقه ها و وجود گروه های بزرگ در هر دو طرف فروسن.در حالی که ویژگی اول انتظار می رفت ، دوم نتیجه ای بود که توسط هوش مصنوعی یافت شد و توسط یک شیمیدان انسانی پیش بینی نشده بود.
پیدا کردن و آزمایش مکانیکوفور معمولاً یک فرآیند کند است.بیشتر مکانیکوفورها مانند سیکلوبوتان آلی هستند ، که به عنوان یک اتصال دهنده استفاده شده است.Testing one mechanophore in the lab can take weeks.حتی شبیه سازی ها روزها طول می کشد.این امر باعث می شود غربالگری سنتی وقتی هزاران گزینه وجود داشته باشد ، سخت شود.
فروسن ها در کاتالیز و تحقیقات دارویی متداول هستند اما به اندازه مکانیکوفور آزمایش نشده اند.این ترکیبات ارگانومتری دارای اتم آهن بین دو حلقه مبتنی بر کربن هستند.حلقه ها دارای گروه های شیمیایی هستند که بر نحوه واکنش مولکول به زور تأثیر می گذارد.
این تیم با کار با فروسن ها و استفاده از یادگیری ماشین ، روش مقیاس پذیر تری برای یافتن مکانیکوفور مفید نشان داد.این رویکرد همچنین می تواند به یافتن ترکیباتی که با تغییر رنگ ، ایجاد واکنش ها یا سایر رفتارها به نیرو پاسخ می دهند ، کمک کند.این می تواند در سنجش استرس ، تعویض کاتالیزورها یا تحویل دارو مفید باشد.
کار آینده به احتمال زیاد به فروسن ها و سایر ترکیبات مبتنی بر فلز برای یافتن مکانیکوفور بیشتر و تولید مواد جدید نگاه خواهد کرد.