Os materiais classificados como "nanoporosos" possuem estruturas (ou "estruturas") com poros de até 100 nm de diâmetro. Isso inclui diversos materiais usados ​​em diferentes campos de separação de gás, catálise, e até mesmo medicamentos (por exemplo, carvão ativado). O desempenho dos materiais nanoporosos depende tanto de sua composição química quanto da forma de seus poros, mas o último é muito difícil de quantificar. Até aqui, os químicos confiam na inspeção visual para ver se dois materiais têm poros semelhantes. Cientistas da EPFL, no âmbito do NCCR-MARVEL, agora desenvolveram um método matemático inovador que permite a um computador quantificar a similaridade de estruturas de poros. O método permite pesquisar bancos de dados com centenas de milhares de materiais nanoporosos para descobrir novos materiais com a estrutura de poros certa. O trabalho é publicado em Nature Communications .

A busca por materiais nanoporosos

Os materiais nanoporosos compreendem uma ampla categoria e podem diferir amplamente em sua composição química. O que os une é a presença de poros nanométricos em sua estrutura tridimensional, o que lhes confere propriedades catalíticas e de absorção. Esses poros podem variar entre 0,2-1000 nanômetros, e seu tamanho e forma (sua "geometria") podem ter um efeito decisivo nas propriedades do material. Na verdade, a forma dos poros é um indicador de desempenho tão importante quanto a composição química.

Hoje, os computadores podem gerar grandes bancos de dados de materiais potenciais e determinar - antes de ter que sintetizá-los - quais materiais teriam o melhor desempenho para uma determinada aplicação. Mas sua química é tão versátil que o número de novos materiais possíveis é quase ilimitado, embora não tenhamos um método para quantificar e comparar semelhanças entre geometrias de poros. Tudo isso significa que encontrar o melhor material nanoporoso para qualquer aplicação é um desafio.

Matemática para o resgate

Um novo método desenvolvido em uma colaboração dos laboratórios de Berend Smit e Kathryn Hess Bellwald na EPFL usa uma técnica da matemática aplicada chamada "homologia persistente". Esta técnica pode quantificar a semelhança geométrica das estruturas dos poros, adotando as ferramentas matemáticas que são comumente usadas pelo Facebook e outros para encontrar rostos semelhantes em fotos enviadas.

O método de homologia persistente produz "impressões digitais", representado por códigos de barras, que caracterizam as formas dos poros de cada material do banco de dados. Essas impressões digitais são então comparadas para calcular o quão semelhantes são as formas dos poros de dois materiais. Isso significa que essa abordagem pode ser usada para rastrear bancos de dados e identificar materiais com estruturas de poros semelhantes.

Os cientistas da EPFL mostram que o novo método é eficaz na identificação de materiais com geometrias de poros semelhantes. Uma classe de materiais nanoporosos que se beneficiariam com essa inovação são os zeólitos e as estruturas metal-orgânicas (MOFs), cujas aplicações variam desde a separação e armazenamento de gases até a catálise.

Os cientistas usaram o armazenamento de metano - um aspecto importante da energia renovável - como estudo de caso. O novo método mostrou que é possível encontrar materiais nanoporosos com um desempenho tão bom quanto os materiais de alto desempenho conhecidos, pesquisando em bancos de dados por formatos de poros semelhantes.

Por outro lado, o estudo mostra que as formas dos poros dos materiais de alto desempenho podem ser classificadas em classes topologicamente distintas, e que os materiais de cada classe requerem uma estratégia de otimização diferente.

"Temos um banco de dados de mais de 3, 000, 000 materiais nanoporosos, portanto, encontrar estruturas semelhantes por meio da inspeção visual está fora de questão, "diz Berend Smit." Na verdade, examinando a literatura, descobrimos que os autores muitas vezes não percebem quando um novo MOF tem a mesma estrutura de poros que outro. Então, realmente precisamos de um método computacional. Contudo, enquanto os humanos são intuitivamente bons em reconhecer formas como iguais ou diferentes, precisávamos trabalhar com o departamento de matemática da EPFL para desenvolver um formalismo que pudesse ensinar essa habilidade a um computador. "

"No campo da topologia algébrica, matemáticos formularam a teoria da homologia de persistência em qualquer dimensão, "diz Kathryn Hess." Os aplicativos anteriores usavam apenas as duas primeiras dessas dimensões, portanto, é empolgante que os engenheiros químicos da EPFL tenham descoberto uma aplicação significativa que também requer a terceira dimensão. "