Met behulp van een computerprogramma dat op atoomniveau de eigenschappen van polymeren berekent hopen Amerikaanse onderzoekers eenvoudiger nieuwe soorten plastic te maken.
De onderzoekers van de University of Connecticut wilden het maken van polymeren op een systematische manier aanpassen. Nu gaat het maken van nieuwe plastics namelijk nog met een zekere hoeveelheid giswerk; een paar stoffen bij elkaar gooien en kijken wat voor eigenschappen het ontstane materiaal heeft.
Ramamurthy Ramprasad dacht dat dat beter moest kunnen. In Nature Scientific Reports (artikel Machine Learning Strategy for Accelerated Design of Polymer Dielectrics) beschrijft hij een systeem om een computer te leren nieuwe plastics te maken. Met behulp van machine learning en kwantummechanica kan een computer op atoomniveau de eigenschappen van een plastic uitrekenen en uiteindelijk nieuwe plastics ontwerpen.
Machine learning
Machine learning is een nieuwe, steeds populairdere manier van programmeren. Het laat de computer of het apparaat leren van eerder opgedane ervaringen. Door het programma te trainen met een grote hoeveelheid data, leert hij langzaam om zelfstandig te opereren.
In dit geval trainde Ramprasad zijn programma met 283 bestaande plasticsoorten. Daarbij hield hij het zo simpel mogelijk: alle onderzochte plastics bestonden uitsluitend uit de componenten CH2, C6H4, CO, O, NH, CS en C4H2S. Bovendien had elk materiaal maar maximaal vier van deze zeven componenten in zich.
Elk atoom doorrekenen
Ramprasad moest de materialen wel simpel houden, want het doorrekenen van molecuulstructuren kost een computer veel moeite. De positie van elk individueel atoom en elk elektron moet apart worden berekend om uit te vogelen hoe de 3D-structuur van een molecuul eruit ziet.
Nadat de 3D-structuur duidelijk werd, konden de onderzoekers andere eigenschappen berekenen die iets zeggen over het soort plastic. Zo leerde het programma, met hard rekenwerk, langzaam wat voor atoomvolgorden horen bij eigenschappen als rekbaarheid, draagkracht, etc. Met die kennis kon het programma vervolgens nieuwe soorten plastic ontwerpen.
De ontwerpen met unieke combinaties van eigenschappen bestaan niet alleen op de tekentafel. Chemici van Ramprasad's universiteit produceerden ze ook echt en controleerden of de eigenschappen inderdaad aan de verwachting voldeden. Dit bleek zo te zijn; Ramprasad was zelf verbaasd over de nauwkeurigheid waarmee de materiaaleigenschappen die zijn programma berekende overeenkwamen met het werkelijke gedrag.
Lead image: schema dat laat zien hoe het programma werkt. Credit: Chiho Kim, Ramprasad Lab, UConn
Nieuwsbrief
Vond je dit een interessant artikel, abonneer je dan gratis op onze wekelijkse nieuwsbrief.