I perclorati sono una classe di composti noti per la loro natura esplosiva. Ciò solleva preoccupazioni sulla sicurezza durante gli esperimenti che coinvolgono composti complessi che contengono ioni perclorato, poiché le esplosioni possono essere innescate anche dal minimo urto o calore. È quindi importante studiarne la struttura molecolare e comprendere il motivo della loro natura esplosiva.
In questo contesto, un metodo chiamato analisi superficiale di Hirschfield è stato ampiamente utilizzato per visualizzare e quantificare la struttura cristallina e le interazioni molecolari dei composti cristallini. Un grafico bidimensionale dell'impronta digitale derivato dall'analisi Hirschfield mostra vividamente le complesse interazioni nei cristalli.
Nonostante i loro vantaggi, tuttavia, questi metodi si basano solo sul giudizio dell’occhio umano, limitando la loro efficacia complessiva. Alla ricerca di un modo per superare queste limitazioni, studi recenti hanno esplorato l’uso di metodi di deep learning e intelligenza artificiale (AI) per l’analisi. Questi studi hanno evidenziato il potenziale vantaggio dell'utilizzo dell'intelligenza artificiale per svelare le caratteristiche che sono difficili da individuare per gli esseri umani.
Ora, per realizzare appieno il potenziale dell’analisi superficiale di Hirschfield, un team di ricercatori, guidato dal professor Takashiro Akitsu del Dipartimento di Chimica e del Centro per la Scienza e la Tecnologia del Fuoco presso l’Università delle Scienze di Tokyo (TUS) in Giappone, ha recentemente impiegato metodi profondi imparare ad analizzare la superficie di Hirschfield di complessi metallici di tipo salen. Il gruppo di studio comprendeva anche Yuji Takiguchi, Shintaro Suda e l'assistente professore Daisuke Nakane, tutti della TUS.
I complessi di tipo Salen sono un'area di ricerca emergente e redditizia, principalmente a causa delle loro diverse funzioni. "Gli esperimenti reali sulle proprietà esplosive e termiche di questi materiali sono accurati ma estremamente pericolosi e, pertanto, utilizzare l'intelligenza artificiale per studiare queste proprietà analizzando esclusivamente la struttura cristallina può essere piuttosto vantaggioso", spiega Akitsu. I risultati di questo studio sono stati pubblicati sulla rivista FirePhysChem il 30 dicembre 2023.
Il team ha sviluppato ampi set di dati dei tracciati delle impronte digitali di Hirschfield dei complessi metallici di tipo salen archiviati nel Cambridge Crystal Database (CCDC) e ha utilizzato il deep learning per studiare le caratteristiche della struttura cristallina che contribuiscono alla loro esplosività. A tal fine, i ricercatori hanno utilizzato anche uno speciale codificatore automatico variazionale, grazie al quale hanno trasformato le informazioni contenute nelle immagini del tracciato delle impronte digitali in un vettore a bassa dimensione. Ciò ha permesso loro di studiare quantitativamente le forme degli appezzamenti, cosa che fino ad ora veniva fatta solo qualitativamente.
La loro analisi ha rivelato che i complessi metallici di tipo salen mancano di caratteristiche strutturali distintive, indicando che la loro natura esplosiva è legata al legame chimico degli ioni perclorato e alle interazioni intermolecolari circostanti.
Sottolineando l'importanza di questo studio, il Prof. Akitsu spiega:"Tradizionalmente, il campo dell'ingegneria dei cristalli si è concentrato esclusivamente sulle interazioni di piccole molecole nei cristalli. Ma in futuro, le interazioni nei sistemi complessi acquisteranno importanza. Ciò significa che studiare la loro le interazioni intermolecolari diventeranno ancora più cruciali. Il nostro nuovo metodo può aiutare a studiare tali interazioni comprendendo solo la struttura cristallina, inoltre, può anche contribuire alla scoperta di nuovi farmaci e al progresso della ricerca catalitica."
Questo studio si avvale anche del CCDC che, nonostante contenga più di 1 milione di voci, è ancora sottoutilizzato. Inoltre, il metodo innovativo proposto in questo studio può promuovere l'uso di questo database e portare alla scoperta di composti nuovi e interessanti.
Nel complesso, lo studio offre approfondimenti sulla natura esplosiva dei perclorati, oltre a presentare un metodo più sicuro basato sui dati per studiare le proprietà fisiche dei composti, facendo avanzare l'ingegneria dei cristalli e la ricerca sui materiali energetici.
Ulteriori informazioni: Takashiro Akitsu et al, Previsione dell'apprendimento profondo della porzione di sicurezza dei cristalli complessi di tipo salen nei confronti dei sali di perclorato esplosivi, FirePhysChem (2023). DOI:10.1016/j.fpc.2023.12.004
Fornito dall'Università delle Scienze di Tokyo
