Les scientifiques sont à l'aube d'une révolution dans la production de plastique, et l'intelligence artificielle y joue un rôle clé. Dans une récente recherche combinant chimie de pointe et informatique avancée, une équipe des prestigieuses institutions du MIT et de l'Université Duke a développé une stratégie innovante pour créer des matériaux polymères nettement plus durables et plus résistants. Cette percée promet non seulement des produits plus durables, mais ouvre également la voie à la réduction du problème mondial des déchets plastiques.

En utilisant la puissance de l'apprentissage automatique, les chercheurs ont réussi à identifier des molécules spécifiques, connues sous le nom d'agents de réticulation (crosslinkers), qui, lorsqu'elles sont ajoutées à une structure polymère, augmentent de façon spectaculaire la résistance du matériau à la déchirure et à la rupture. Ces molécules appartiennent à une classe fascinante de composés appelés méchanophores, dont la caractéristique unique est de changer de forme ou d'autres propriétés en réponse à l'application d'une force mécanique.

Heather Kulik, professeure de génie chimique et de chimie au MIT et auteure principale de l'étude, explique l'importance de cette découverte : "De telles molécules sont extrêmement utiles pour fabriquer des polymères qui deviennent plus forts en réponse à une force. Lorsque vous leur appliquez une certaine contrainte, au lieu de se déchirer ou de se casser, ils montrent un niveau de résistance plus élevé." Cette approche représente un changement fondamental dans notre façon de concevoir la durabilité des matériaux.

Une révolution dans la science des matériaux : Le rôle des méchanophores

Les polymères sont de longues chaînes de molécules qui constituent la base de tous les plastiques que nous utilisons quotidiennement. Leur résistance et leurs propriétés dépendent souvent de la manière dont ces chaînes sont interconnectées. C'est là qu'interviennent les agents de réticulation, qui agissent comme des ponts entre les chaînes de polymères, créant un réseau complexe. On a longtemps pensé que des ponts plus solides conduisaient à un matériau plus résistant.

Cependant, les travaux sur lesquels se base cette nouvelle recherche, publiés en 2023, ont montré quelque chose de contre-intuitif. En incorporant intentionnellement des liaisons "faibles" dans le réseau polymère, le matériau global peut devenir beaucoup plus résistant. Lorsqu'une fissure commence à se propager à travers un tel matériau, elle évite instinctivement les liaisons plus fortes et se dirige vers les points les plus faibles. Paradoxalement, cela signifie que la fissure doit rompre un plus grand nombre total de liaisons pour progresser, ce qui nécessite plus d'énergie et rend ainsi le matériau plus tenace et plus résistant à la déchirure. Les méchanophores sont des candidats parfaits pour créer ces "maillons faibles programmés".

"Nous avions une nouvelle vision mécanique et une nouvelle opportunité, mais cela a également engendré un défi de taille : parmi toutes les compositions possibles de la matière, comment se concentrer sur celles qui ont le plus grand potentiel ?" souligne Stephen Craig, professeur de chimie à l'Université Duke et l'un des co-auteurs de l'étude. La collaboration avec l'équipe de la professeure Kulik a joué ici un rôle crucial.

L'intelligence artificielle comme outil clé de la découverte

La découverte et la caractérisation de nouveaux méchanophores par les méthodes traditionnelles sont un processus extrêmement lent et exigeant. La vérification expérimentale d'une seule molécule candidate peut prendre des semaines, tandis que les simulations informatiques, bien que plus rapides, durent encore des jours. Évaluer des milliers de composés potentiels de cette manière serait une mission presque impossible. La plupart des méchanophores connus à ce jour sont des composés organiques, mais l'équipe a décidé d'explorer un domaine moins connu.

Ils se sont concentrés sur des molécules connues sous le nom de ferrocènes. Il s'agit de composés organométalliques qui possèdent un atome de fer "pris en sandwich" entre deux cycles à base de carbone. Ces cycles peuvent avoir différents groupes chimiques qui leur sont attachés, ce qui modifie leurs propriétés chimiques et mécaniques. En raison de leur structure unique, on pensait qu'ils avaient un grand potentiel en tant que méchanophores, mais ils ont rarement été étudiés à cette fin.

Consciente qu'une approche radicalement plus rapide était nécessaire, l'équipe a développé un modèle d'apprentissage automatique, c'est-à-dire un réseau neuronal, pour identifier les ferrocènes prometteurs. Le point de départ était une vaste base de données connue sous le nom de Cambridge Structural Database, qui contient les structures de 5000 ferrocènes différents qui ont déjà été synthétisés avec succès. "Nous savions que nous n'avions pas à nous soucier de la question de la synthétisabilité, du moins du point de vue du méchanophore lui-même. Cela nous a permis de choisir un très grand espace à explorer avec beaucoup de diversité chimique, qui serait également réalisable par synthèse", explique Ilia Kevlishvili, chercheur postdoctoral au MIT et auteur principal de l'article scientifique publié dans la revue ACS Central Science.

Les chercheurs ont d'abord effectué des simulations informatiques détaillées pour environ 400 de ces composés. Ils ont ainsi calculé la force nécessaire pour séparer les atomes au sein de chaque molécule. Ces données, ainsi que les informations sur la structure de chaque composé, ont été utilisées pour entraîner le modèle d'apprentissage automatique. Une fois entraîné, le modèle d'IA a pu prédire la force d'activation pour les 4500 composés restants de la base de données, ainsi que pour 7000 autres composés hypothétiques de structure similaire, en un temps incroyablement court.

Les ferrocènes sous les projecteurs : Des héros inattendus

L'analyse des résultats générés par l'intelligence artificielle a révélé deux caractéristiques structurelles clés qui contribuaient le plus aux propriétés souhaitées, à savoir des liaisons plus faibles qui augmentent la résistance à la déchirure. La première caractéristique était l'existence d'interactions entre les groupes chimiques attachés aux cycles du ferrocène, ce qui était quelque peu attendu par les chimistes.

Cependant, la deuxième découverte fut totalement surprenante et contre-intuitive. Le modèle a montré que la présence de grosses molécules encombrantes attachées aux deux cycles du ferrocène rend la molécule beaucoup plus susceptible de se décomposer en réponse à la force appliquée. C'est une découverte qu'un chimiste n'aurait pas facilement faite avec des méthodes standard et qui n'aurait pas pu être découverte sans l'aide de l'intelligence artificielle. "C'était quelque chose de vraiment surprenant", confirme Kulik.

Cette vision démontre la puissance de l'approche par l'IA, capable de reconnaître des schémas et des corrélations complexes dans de grands ensembles de données, bien au-delà de l'intuition humaine. L'intelligence artificielle n'a pas seulement accéléré le processus, elle a révélé des principes de conception entièrement nouveaux pour les ingénieurs moléculaires.

De la théorie à la pratique : Créer un plastique super-résistant

Une fois que le modèle d'IA a identifié une centaine de candidats les plus prometteurs, la recherche est passée du monde numérique au monde physique. Le laboratoire du professeur Craig à l'Université Duke a entrepris de synthétiser un matériau polymère incluant l'un de ces candidats, un composé connu sous le nom de m-TMS-Fc. Dans ce matériau, le m-TMS-Fc agit comme un agent de réticulation qui relie les chaînes polymères de polyacrylate, un type de plastique souvent utilisé dans les adhésifs, les revêtements et les textiles.

Les résultats expérimentaux ont été spectaculaires. En appliquant une force à chaque échantillon de polymère jusqu'au point de rupture, les chercheurs ont confirmé que la faible liaison du m-TMS-Fc crée un polymère extrêmement résistant et tenace. Plus précisément, ce nouveau polymère s'est révélé environ quatre fois plus résistant et plus tenace que les polymères fabriqués avec un agent de réticulation à base de ferrocène standard et plus fort.

"Cela a vraiment de grandes implications, car si nous pensons à tout le plastique que nous utilisons et à l'accumulation de déchets plastiques, si vous rendez les matériaux plus résistants, cela signifie que leur durée de vie sera plus longue. Ils seront utilisables plus longtemps, ce qui pourrait à long terme réduire la production de plastique", souligne Kevlishvili. Des produits plus durables signifient moins de déchets et moins de pression sur l'environnement.

L'avenir des matériaux intelligents et des applications plus larges

L'équipe prévoit maintenant d'utiliser son approche puissante basée sur l'apprentissage automatique pour identifier des méchanophores dotés d'autres propriétés souhaitables. Les possibilités sont presque illimitées. Imaginez des matériaux qui changent de couleur lorsqu'ils sont sous contrainte, agissant comme des capteurs de dommages intégrés sur des composants critiques dans les avions ou les ponts. Ou des matériaux qui deviennent catalytiquement actifs en réponse à une force, permettant des réactions chimiques à la demande.

De tels matériaux "intelligents" pourraient également trouver des applications en biomédecine, par exemple, pour l'administration ciblée de médicaments, où le médicament n'est libéré d'un support polymère qu'au site de contrainte mécanique, comme des cellules cancéreuses se déplaçant à travers les tissus. Dans les études futures, les chercheurs prévoient de se concentrer sur les ferrocènes et autres méchanophores contenant des métaux, qui ont déjà été synthétisés mais dont les propriétés ne sont pas encore entièrement comprises.

"Les méchanophores de métaux de transition sont relativement inexplorés et probablement un peu plus difficiles à fabriquer", déclare Kulik. "Ce flux de travail informatique peut être largement utilisé pour étendre l'espace des méchanophores que les gens ont étudiés." La collaboration entre l'informatique et la chimie expérimentale, financée par la National Science Foundation par le biais du Centre pour la Chimie des Réseaux Moléculairement Optimisés (MONET), ouvre un nouveau chapitre dans la conception des matériaux, promettant un avenir où les matériaux ne sont pas seulement plus forts, mais aussi plus intelligents et plus durables.