La sintesi di precursori plastici, come polimeri, coinvolge catalizzatori specializzati. Però, il metodo tradizionale basato su lotti per trovare e selezionare quelli giusti per un dato risultato consuma litri di solvente, genera grandi quantità di rifiuti chimici, ed è un costoso, processo dispendioso in termini di tempo che coinvolge più prove.

Ryan Hartman, professore di ingegneria chimica e biomolecolare presso la NYU Tandon School of Engineering, e il suo laboratorio ha sviluppato un "microsistema intelligente" basato sul laboratorio che utilizza l'apprendimento automatico, per la modellazione di reazioni chimiche che promette di eliminare questo processo costoso e ridurre al minimo il danno ambientale.

Nella loro ricerca, "Combinando la sperimentazione microfluidica automatizzata con l'apprendimento automatico per una progettazione efficiente della polimerizzazione, " pubblicato in Intelligenza della macchina della natura , i collaboratori, compreso il dottorando Benjamin Rizkin, impiegato un su misura, microreattore rapidamente prototipato in combinazione con l'automazione e la termografia a infrarossi in situ per studiare la polimerizzazione esotermica (che genera calore), reazioni che sono notoriamente difficili da controllare quando sono disponibili dati cinetici sperimentali limitati. Associando un'efficiente tecnologia microfluidica con algoritmi di apprendimento automatico per ottenere set di dati ad alta fedeltà basati su iterazioni minime, sono stati in grado di ridurre i rifiuti chimici di due ordini di grandezza e la scoperta catalitica da settimane a ore.

Hartman ha spiegato che la progettazione della configurazione microfluidica ha richiesto al team di stimare prima la termodinamica delle reazioni di polimerizzazione, in questo caso coinvolgendo una classe di catalizzatori metallocenici, ampiamente utilizzato nella polimerizzazione su scala industriale di polietilene e altri polimeri termoplastici.

"Per prima cosa abbiamo sviluppato una stima dell'ordine di grandezza del calore e del trasporto di massa, " ha detto Hartman. "La conoscenza di queste quantità ci ha permesso di progettare un dispositivo microfluidico in grado di schermare l'attività dei catalizzatori e offrire meccanismi scalabili che mimano la cinetica intrinseca necessaria per i processi su scala industriale".

Hartman ha aggiunto che un tale sistema da banco potrebbe aprire la porta a una serie di altri dati sperimentali. "Potrebbe fornire un contesto per l'analisi di altre proprietà di interesse come il modo in cui si mescolano i flussi, dispersione, trasferimento termico, trasferimento di massa, e la cinetica di reazione influenza le caratteristiche del polimero, " Lui ha spiegato.

Utilizzando una classe di catalizzatori polimerici a base di zirconocene, il team di ricerca ha abbinato la microfluidica, comprovata nella ricerca di altre reazioni esotermiche, con una pompa automatizzata e la termografia a infrarossi per rilevare i cambiamenti nella reattività basati su esotermici (composti che emettono calore durante la loro formazione) con conseguente efficienza, sperimentazione ad alta velocità per mappare lo spazio di reazione del catalizzatore. Poiché il processo è stato condotto in un piccolo reattore, sono stati in grado di introdurre il catalizzatore disciolto in liquido, eliminando la necessità di condizioni estreme per indurre la catalisi.

"Il fatto è, la maggior parte delle materie plastiche sono realizzate utilizzando catalizzatori metallocenici legati a particelle di silice, creando un substrato eterogeneo che polimerizza monomeri come propilene ed etilene, " ha detto Hartman. "I recenti progressi nel catalizzatore omogeneo del metallocene disciolto consentono condizioni di reazione più blande".

Il gruppo di Hartman ha precedentemente dimostrato che le reti neurali artificiali (ANN) possono essere utilizzate come strumento per modellare e comprendere i percorsi di polimerizzazione. Nella nuova ricerca hanno applicato le RNA alla modellazione della polimerizzazione esotermica catalizzata da zirconocene. Utilizzando i sistemi MATLAB e LabVIEW per controllare le reazioni, interfaccia con dispositivi esterni, e generare algoritmi di calcolo avanzati, i ricercatori hanno generato una serie di ANN per modellare e ottimizzare la catalisi sulla base dei risultati sperimentali.

"Le aziende chimiche in genere utilizzano reattori da 100 millilitri a 10 litri per vagliare centinaia di catalizzatori che a loro volta potrebbero essere scalati per produrre plastica. Qui stiamo usando meno di un millilitro, e riducendo l'impronta degli esperimenti di laboratorio si riducono le strutture necessarie, quindi l'intero ingombro è ridotto. Il nostro lavoro fornisce uno strumento utile per l'analisi scientifica e tecnoeconomica di complesse polimerizzazioni catalitiche, " ha detto Hartman.

Hartman e le scoperte del suo laboratorio aprono le porte a nuovi tipi di ricerca, coinvolge principalmente il concetto di automatizzato, o chimica "robotica", aumento della produttività, fedeltà dei dati, e la manipolazione sicura di polimerizzazioni altamente esotermiche.

Ha spiegato che, in linea di principio, il metodo potrebbe portare a una progettazione più efficiente e a plastiche più rispettose dell'ambiente, poiché lo screening più rapido di catalizzatori e polimeri consente di adattare più rapidamente i processi a polimeri più rispettosi dell'ambiente.