Los científicos están al borde de una revolución en la producción de plásticos, y la inteligencia artificial juega un papel clave en ello. En la investigación más reciente que combina la química de vanguardia y la computación avanzada, un equipo de las prestigiosas instituciones MIT y la Universidad de Duke ha desarrollado una estrategia innovadora para crear materiales poliméricos considerablemente más duraderos y resistentes. Este avance no solo promete productos de mayor duración, sino que también abre la puerta a la reducción del problema global de los residuos plásticos.

Utilizando el poder del aprendizaje automático, los investigadores han logrado identificar moléculas específicas, conocidas como agentes de reticulación (crosslinkers), que, cuando se añaden a una estructura polimérica, aumentan drásticamente la resistencia del material al desgarro y la fractura. Estas moléculas pertenecen a una fascinante clase de compuestos llamados mecanóforos, cuya característica única es que cambian su forma u otras propiedades en respuesta a la aplicación de fuerza mecánica.

Heather Kulik, profesora de ingeniería química y química en el MIT y autora principal del estudio, explica la importancia de este descubrimiento: "Moléculas como estas son extremadamente útiles para fabricar polímeros que se vuelven más fuertes en respuesta a la fuerza. Cuando se les aplica un cierto estrés, en lugar de romperse o fracturarse, muestran un mayor nivel de resistencia." Este enfoque representa un cambio fundamental en la forma en que pensamos sobre la durabilidad de los materiales.

Revolución en la ciencia de los materiales: El papel de los mecanóforos

Los polímeros son largas cadenas de moléculas que forman la base de todos los plásticos que usamos a diario. Su resistencia y propiedades a menudo dependen de cómo estas cadenas están interconectadas. Aquí es donde entran en juego los agentes de reticulación, que actúan como puentes entre las cadenas de polímeros, creando una red compleja. Tradicionalmente se consideraba que puentes más fuertes conducían a un material más fuerte.

Sin embargo, el trabajo en el que se basa esta nueva investigación, publicado en 2023, mostró algo contraintuitivo. Al incorporar enlaces deliberadamente "débiles" en la red polimérica, el material en su conjunto puede volverse considerablemente más resistente. Cuando una grieta comienza a propagarse a través de dicho material, instintivamente evita los enlaces más fuertes y se dirige a través de los puntos más débiles. Paradójicamente, esto significa que la grieta debe romper un número total mayor de enlaces para avanzar, lo que requiere más energía y, por lo tanto, hace que el material sea más tenaz y resistente al desgarro. Los mecanóforos son candidatos perfectos para crear estos "eslabones débiles programados".

"Teníamos una nueva visión mecánica y una oportunidad, pero eso también trajo consigo un gran desafío: de todas las posibles composiciones de la materia, ¿cómo nos centramos en las que tienen el mayor potencial?", señala Stephen Craig, profesor de química en la Universidad de Duke y uno de los coautores del estudio. La colaboración con el equipo de la profesora Kulik jugó un papel clave aquí.

La inteligencia artificial como herramienta clave para el descubrimiento

Descubrir y caracterizar nuevos mecanóforos con métodos tradicionales es un proceso extremadamente lento y exigente. La verificación experimental de una sola molécula candidata puede llevar semanas, mientras que las simulaciones por computadora, aunque más rápidas, todavía tardan días. Evaluar miles de compuestos potenciales de esta manera sería una misión casi imposible. La mayoría de los mecanóforos conocidos hasta la fecha son compuestos orgánicos, pero el equipo decidió explorar un área menos conocida.

Se centraron en moléculas conocidas como ferrocenos. Se trata de compuestos organometálicos que tienen un átomo de hierro "atrapado" entre dos anillos a base de carbono. Estos anillos pueden tener diferentes grupos químicos unidos a ellos, lo que cambia sus propiedades químicas y mecánicas. Debido a su estructura única, se creía que tenían un gran potencial como mecanóforos, pero rara vez se investigaban para este propósito.

Conscientes de que se necesitaba un enfoque drásticamente más rápido, el equipo desarrolló un modelo de aprendizaje automático, es decir, una red neuronal, para identificar ferrocenos prometedores. El punto de partida fue una vasta base de datos conocida como la Cambridge Structural Database, que contiene las estructuras de 5000 ferrocenos diferentes que ya han sido sintetizados con éxito. "Sabíamos que no teníamos que preocuparnos por la cuestión de la sintetizabilidad, al menos desde la perspectiva del propio mecanóforo. Esto nos permitió elegir un espacio de investigación realmente grande con mucha diversidad química, que al mismo tiempo sería sintéticamente factible", explica Ilia Kevlishvili, investigador postdoctoral del MIT y autor principal del artículo científico publicado en la revista ACS Central Science.

Los investigadores primero realizaron simulaciones computacionales detalladas para unos 400 de estos compuestos. Con ello, calcularon cuánta fuerza se necesita para separar los átomos dentro de cada molécula. Esos datos, junto con la información sobre la estructura de cada compuesto, se utilizaron para entrenar el modelo de aprendizaje automático. Una vez entrenado, el modelo de IA fue capaz de predecir la fuerza de activación para los 4500 compuestos restantes de la base de datos, más otros 7000 compuestos hipotéticos de estructura similar, en un tiempo increíblemente corto.

Los ferrocenos en el centro de atención: Héroes inesperados

El análisis de los resultados generados por la inteligencia artificial reveló dos características estructurales clave que más contribuían a las propiedades deseadas, es decir, enlaces más débiles que aumentan la resistencia al desgarro. La primera característica fue la existencia de interacciones entre los grupos químicos unidos a los anillos de ferroceno, lo que era algo esperado por los químicos.

Sin embargo, el segundo descubrimiento fue completamente sorprendente y contraintuitivo. El modelo mostró que la presencia de moléculas grandes y voluminosas unidas a ambos anillos de ferroceno hace que la molécula sea considerablemente más propensa a descomponerse en respuesta a la fuerza aplicada. Este es un conocimiento al que un químico no llegaría fácilmente con métodos estándar y que no podría haberse descubierto sin la ayuda de la inteligencia artificial. "Esto fue algo realmente sorprendente", confirma Kulik.

Esta visión demuestra el poder del enfoque de la IA, que puede reconocer patrones complejos y correlaciones en grandes conjuntos de datos, mucho más allá de la intuición humana. La inteligencia artificial no solo aceleró el proceso, sino que también reveló principios de diseño completamente nuevos para los ingenieros moleculares.

De la teoría a la práctica: Creando un plástico superresistente

Después de que el modelo de IA identificara a unos 100 de los candidatos más prometedores, la investigación pasó del mundo digital al físico. El laboratorio del profesor Craig en la Universidad de Duke asumió la tarea de sintetizar un material polimérico que incluye a uno de estos candidatos, un compuesto conocido como m-TMS-Fc. En este material, el m-TMS-Fc actúa como un agente de reticulación que conecta las cadenas poliméricas de poliacrilato, un tipo de plástico que se utiliza a menudo en adhesivos, recubrimientos y textiles.

Los resultados experimentales fueron espectaculares. Al aplicar fuerza a cada muestra de polímero hasta el punto de fractura, los investigadores confirmaron que el enlace débil de m-TMS-Fc crea un polímero extremadamente resistente y tenaz. Específicamente, este nuevo polímero demostró ser aproximadamente cuatro veces más resistente y tenaz que los polímeros fabricados con un agente de reticulación de ferroceno estándar y más fuerte.

"Esto realmente tiene grandes implicaciones porque si pensamos en todo el plástico que usamos y en la acumulación de residuos plásticos, si haces los materiales más resistentes, significa que su vida útil será más larga. Serán utilizables durante más tiempo, lo que a largo plazo podría reducir la producción de plástico", enfatiza Kevlishvili. Productos más duraderos significan menos residuos y menos presión sobre el medio ambiente.

El futuro de los materiales inteligentes y aplicaciones más amplias

El equipo ahora planea utilizar su potente enfoque basado en el aprendizaje automático para identificar mecanóforos con otras propiedades deseables. Las posibilidades son casi ilimitadas. Imagine materiales que cambian de color cuando están bajo estrés, actuando como sensores de daño incorporados en componentes críticos en aviones o puentes. O materiales que se vuelven catalíticamente activos en respuesta a la fuerza, permitiendo reacciones químicas bajo demanda.

Tales materiales "inteligentes" podrían encontrar aplicación también en la biomedicina, por ejemplo, para la administración dirigida de fármacos, donde el fármaco se libera de un portador polimérico solo en el lugar de estrés mecánico, como las células cancerosas que se mueven a través del tejido. En estudios futuros, los investigadores planean centrarse en los ferrocenos y otros mecanóforos que contienen metales, que ya han sido sintetizados, pero cuyas propiedades aún no se comprenden completamente.

"Los mecanóforos de metales de transición están relativamente inexplorados y probablemente son un poco más difíciles de hacer", dice Kulik. "Este flujo de trabajo computacional se puede utilizar ampliamente para expandir el espacio de los mecanóforos que la gente ha estudiado." La colaboración entre la ciencia computacional y la química experimental, financiada por la National Science Foundation a través del Centro para la Química de Redes Molecularmente Optimizadas (MONET), abre un nuevo capítulo en el diseño de materiales, prometiendo un futuro en el que los materiales no solo son más fuertes, sino también más inteligentes y sostenibles.