O vidro é amorfo por natureza - sua estrutura atômica não envolve o arranjo repetitivo visto em materiais cristalinos. Mas ocasionalmente, passa por um processo chamado desvitrificação, que é a transformação de um vidro em cristal - muitas vezes um processo indesejado nas indústrias. A dinâmica da desvitrificação permanece mal compreendida porque o processo pode ser extremamente lento, abrangendo décadas ou mais.

Agora, uma equipe de pesquisadores liderada por Rajesh Ganapathy, Professor Associado do Centro de Pesquisa Científica Avançada Jawaharlal Nehru (JNCASR), em colaboração com Ajay Sood, DST Year of Science Chair e professor do Indian Institute of Science (IISc), e seu Ph.D. a aluna Divya Ganapathi (IISc) visualizou a desvitrificação pela primeira vez em experimentos. Os resultados deste estudo foram publicados em Física da Natureza .

"O truque era trabalhar com um vidro feito de partículas coloidais. Como cada partícula coloidal pode ser considerada um substituto de um único átomo, mas sendo dez mil vezes maior que o átomo, sua dinâmica pode ser observada em tempo real com um microscópio óptico. Também, para acelerar o processo, ajustamos a interação entre as partículas para que fique macia e rearranjos no vidro ocorram com frequência, "diz Divya Ganapathi.

Para fazer um copo, Divya Ganapathi e a equipe juntaram os colóides para atingir altas densidades. Os pesquisadores observaram diferentes regiões do vidro seguindo duas rotas para a cristalização:uma rota mediada por avalanche envolvendo rearranjos rápidos na estrutura, e uma rota de crescimento suave com rearranjos acontecendo gradualmente ao longo do tempo.

Para obter insights sobre essas descobertas, os pesquisadores então usaram métodos de aprendizado de máquina para determinar se havia alguma característica estrutural sutil escondida no vidro que a priori decide quais regiões se cristalizariam posteriormente e por qual rota. Apesar do vidro estar desordenado, o modelo de aprendizado de máquina foi capaz de identificar uma característica estrutural chamada "suavidade", que havia sido encontrada anteriormente para decidir quais partículas no vidro se reorganizavam e quais não.

Os pesquisadores descobriram então que as regiões do vidro que tinham aglomerados de partículas com grandes valores de "suavidade" eram as que cristalizavam e que a "suavidade" também era sensível à rota de cristalização. Talvez a descoberta mais surpreendente que emergiu do estudo foi que os autores alimentaram seus modelos de aprendizado de máquina com imagens de um vidro coloidal e o modelo previu com precisão as regiões que se cristalizaram com dias de antecedência. "Isso abre caminho para uma técnica poderosa para identificar e ajustar a 'suavidade' com antecedência e evitar a desvitrificação, "diz Ajay Sood.

Compreender a desvitrificação é crucial em áreas como a indústria farmacêutica, que se esforça para produzir drogas amorfas estáveis ​​à medida que se dissolvem mais rapidamente no corpo do que suas contrapartes cristalinas. Mesmo o lixo nuclear líquido é vitrificado como um sólido em uma matriz de vidro para descartá-lo com segurança no subsolo e evitar que materiais perigosos vazem para o meio ambiente.

Os autores acreditam que este estudo é um passo significativo na compreensão da conexão entre a estrutura subjacente e a estabilidade do vidro. "É muito legal que um algoritmo de aprendizado de máquina possa prever onde o vidro vai se cristalizar e onde vai ficar vítreo. Este poderia ser o passo inicial para projetar vidros mais estáveis, como o vidro gorila em telefones celulares, que é onipresente na tecnologia moderna, "diz Rajesh Ganapathy. A capacidade de manipular parâmetros estruturais pode inaugurar novas maneiras de realizar estados vítreos de vida longa e tecnologicamente significativos.