Los investigadores diseñan un microsistema para una química industrial más rápida y sostenible
Reactor de laboratorio, catalizador licuado y aprendizaje de máquinas para un diseño de polimerización más eficiente
Ryan Hartman, Ph.D.
Ryan Hartman, profesor de ingeniería química y biomolecular de la Escuela de Ingeniería Tandon de la Universidad de Nueva York, y su laboratorio desarrollaron un "microsistema inteligente" basado en el laboratorio que emplea el aprendizaje por máquina, para modelar reacciones químicas que se muestran prometedoras para eliminar este costoso proceso y minimizar el daño ambiental.
En su investigación, "Combinando la experimentación microfluídica automatizada con el aprendizaje de máquinas para un diseño de polimerización eficiente", publicada en Nature Machine Intelligence, los colaboradores, incluyendo al estudiante de doctorado Benjamin Rizkin, emplearon un microreactor de diseño personalizado y de rápido prototipo junto con la automatización y la termografía infrarroja in situ para estudiar la polimerización exotérmica (que genera calor), reacciones que son notoriamente difíciles de controlar cuando se dispone de datos cinéticos experimentales limitados. Combinando una eficiente tecnología de microfluidos 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 microfluídica requería que el equipo estimara primero la termodinámica de las reacciones de polimerización, en este caso con una clase de catalizadores de metaloceno, ampliamente utilizados en la polimerización a escala industrial de polietileno y otros polímeros termoplásticos.
"Primero desarrollamos una estimación del orden de magnitud del calor y del transporte de masa", dijo Hartman. "El conocimiento de estas cantidades nos permitió diseñar un dispositivo microfluídico 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 añadió que tal sistema de mesa de trabajo podría abrir la puerta a una serie de otros datos experimentales. "Podría proporcionar un contexto para analizar otras propiedades de interés, como la forma en que la mezcla de corrientes, la dispersión, la transferencia de calor, la transferencia de masa y la cinética de reacción influyen en las características de los polímeros", explicó.
Utilizando una clase de catalizadores de polímeros basados en circonoceno, el equipo de investigación emparejó los microfluidos -probados en la investigación de otras reacciones exotérmicas- con una bomba automatizada y termografía infrarroja para detectar cambios en la reactividad basados en exotermos (compuestos que desprenden calor durante su formación), lo que dio como resultado una experimentación eficiente y de alta velocidad para trazar un mapa del espacio de reacción del catalizador. Como el proceso se llevó a cabo en un pequeño reactor, fueron capaces de introducir el catalizador disuelto en líquido, eliminando la necesidad de condiciones extremas para inducir la catálisis.
"El hecho es que la mayoría de los plásticos se fabrican utilizando catalizadores de metaloceno unidos a partículas de sílice, creando un sustrato heterogéneo que polimeriza monómeros como el propileno y el etileno", dijo Hartman. "Los recientes avances en el catalizador homogéneo de metaloceno disuelto permiten condiciones de reacción más suaves".
El grupo de Hartman demostró previamente que las redes neuronales artificiales (RNA) pueden utilizarse como herramienta para modelar y comprender las vías de polimerización. En la nueva investigación aplicaron las RNA para modelar la polimerización exotérmica catalizada por el circonoceno. Utilizando los sistemas MATLAB y LabVIEW para controlar las reacciones, interactuar con dispositivos externos y generar algoritmos computacionales avanzados, los investigadores generaron una serie de RNA para modelar y optimizar la catálisis basándose en los resultados experimentales.
"Las empresas químicas suelen utilizar reactores de 100 mililitros a 10 litros para examinar cientos de catalizadores que a su vez podrían ser ampliados para fabricar plásticos. Aquí estamos usando menos de un milímetro, y al reducir la huella de los experimentos de laboratorio se reduce la escala de las instalaciones necesarias, por lo que toda la huella se reduce. Nuestro trabajo proporciona una herramienta útil para el análisis tanto científico como tecnoeconómico de polimerizaciones catalíticas complejas", dijo Hartman.
Los descubrimientos de Hartman y su laboratorio abren las puertas a nuevos tipos de investigación, que implican principalmente el concepto de química automatizada o "robótica", el aumento del rendimiento, la fidelidad de los datos y la manipulación segura de polimerizaciones altamente exotérmicas.
Explicó que, en principio, el método podría conducir a un diseño más eficiente y a plásticos más benignos para el medio ambiente, ya que el cribado más rápido de catalizadores y polímeros permite la capacidad de adaptar más rápidamente los procesos a polímeros más respetuosos con el medio ambiente.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.