O algoritmo de química do computador faz mais com menos dados experimentais para revelar a maneira ideal de fazer materiais verdes.

O aprendizado de máquina pode nos ensinar como tornar a fabricação de materiais mais limpa e sustentável, tendo uma visão holística para identificar o método de produção mais ecológico, sugerem pesquisadores KAUST.

A busca pela sustentabilidade significa que cientistas em todo o mundo estão desenvolvendo materiais avançados para ajudar a resolver os problemas, incluindo captura de carbono, dessalinização de água e armazenamento de energia, diz Rifan Hardian, um pós-doutorado no laboratório de Gyorgy Szekely. "Embora esses materiais apresentem desempenho promissor, os próprios materiais são frequentemente produzidos de maneiras insustentáveis ​​- usando condições adversas, solventes tóxicos e processos de uso intensivo de energia que geram resíduos excessivos - potencialmente criando mais problemas ambientais do que resolvem, "Hardian diz.

Em colaboração com Xiangliang Zhang e sua equipe, Szekely e Hardian têm investigado uma abordagem mais sustentável para o desenvolvimento de materiais, denominado design de experimentos (DoE). "Ao contrário das abordagens convencionais de otimização de materiais, que variam um fator de cada vez, DoE é uma abordagem sistemática que permite que vários fatores sejam variados simultaneamente, "Hardian diz.

O DoE teoricamente permite variáveis ​​- como a escolha de reagentes e solventes, tempo de reação e temperatura de reação - a serem otimizados de uma só vez. O procedimento reduz o número de experimentos conduzidos e também potencialmente identifica a maneira mais ecológica possível de fazer um material. Contudo, é um desafio otimizar cada variável para identificar o melhor protocolo de reação de tais dados experimentais esparsos. "É aqui que entra o aprendizado de máquina, "Hardian diz.

O aprendizado de máquina é uma forma de inteligência artificial que pode aprender padrões de um número limitado de pontos de dados para preencher os espaços em branco nos dados. "Por aqui, pode-se ver todo o espaço experimental e escolher a condição de reação que melhor se ajusta aos resultados desejados, "Hardian diz.

A equipe combinou DoE e aprendizado de máquina para identificar um método sustentável para fazer um popular material de estrutura orgânica de metal (MOF) chamado ZIF-8. "ZIF-8 tem grande potencial em aplicações, como separação de gás, catálise, remoção de metais pesados ​​e remediação ambiental, "Hardian diz. A equipe otimizou 10 variáveis ​​na síntese eletroquímica de ZIF-8, identificar um processo de alto rendimento que usava água como solvente e gerava o mínimo de resíduos. "Graças ao aprendizado de máquina, desenvolvemos uma visão holística das interações das variáveis ​​e identificamos muitas correlações inesperadas que poderiam ter sido perdidas se tivéssemos seguido uma abordagem convencional, "Hardian diz.

O próximo marco será aplicar DoE e aprendizado de máquina à produção de materiais em grande escala, Szekely diz. "Em última análise, nosso objetivo é transformar a visão futurística de um sistema de laboratório autônomo, que pode operar continuamente e otimizar as condições de reação, em uma realidade, " ele diz.