Las jaulas de tamaño nanométrico pueden desempeñar un papel importante en la reducción del consumo de energía en la ciencia y la industria, y la investigación de aprendizaje automático en la Universidad Estatal de Oregon tiene como objetivo acelerar el despliegue de estas moléculas notables
Las moléculas de jaula orgánica porosa que se estudian en OSU pueden capturar selectivamente moléculas de gas, lo que potencialmente permite un gran ahorro de energía en la miríada de separaciones de gases realizadas en el sector químico.
"Estos sólidos moleculares porosos son como esponjas que absorben gases de manera discriminatoria", dijo Cory Simon, profesor asistente de ingeniería química y autor correspondiente de un estudio publicado en Ciencia Central de ACS .
Juntos, la separación y purificación de mezclas químicas es responsable de más del 10 por ciento del consumo mundial de energía.
Las moléculas de jaula porosa tienen cavidades nanosized intrínsecas a su estructura, y las moléculas de gas son atraídas y atrapadas dentro de estas cavidades mediante adsorción.
"Pero cada jaula adsorbe ciertos gases más fácilmente que otros, y esta propiedad potencialmente hace que las jaulas sean útiles para separar mezclas de gases con mayor eficiencia energética", dijo Simon.
Sin embargo, hay miles de estas moléculas de jaula que podrían sintetizarse, para hacer incluso una de ellas y probar sus propiedades lleva meses en el laboratorio, y se requieren cientos de separaciones químicas diferentes en la industria; de ahí la necesidad de unenfoque computacional para clasificar las posibilidades y encontrar la mejor molécula para el trabajo en cuestión.
Simon explotó la idea de que la forma de una cavidad dada es responsable de qué moléculas de gas atrae más fácilmente.
Simon y los estudiantes Arni Sturluson, Melanie Huynh y Arthur York emplearon un método de aprendizaje automático "sin supervisión" para clasificar y agrupar las moléculas de la jaula en función de sus formas de cavidad y, por lo tanto, las propiedades de adsorción.
Sin supervisión significa que la computadora aprendió por sí sola sobre las relaciones de forma / propiedad; no se le dio ninguna etiqueta para instruirla.
"Simplemente muestre los datos al algoritmo, y automáticamente encontrará patrones - estructura - en los datos", dijo Simon.
Los investigadores utilizaron un conjunto de datos de entrenamiento de 74 moléculas de jaula orgánica porosa sintetizadas experimentalmente que fueron escaneadas computacionalmente, lo que resultó en una imagen de "porosidad" en 3D de cada una similar a una imagen generada por una tomografía computarizada.
"Sobre la base de estas imágenes en 3D, nos inspiramos en un algoritmo de reconocimiento facial, caras propias, para agrupar jaulas con cavidades de forma similar", dijo. "Usando la descomposición de valores singulares, codificamos las imágenes en 3D de las jaulasen vectores de dimensiones inferiores "
Simon explica el proceso utilizando la analogía de los rostros de las personas.
"Imagine que se ve obligado a mapear la cara de todos en un punto en un diagrama de dispersión bidimensional mientras conserva la mayor cantidad de información posible sobre las caras", dijo. "Así que cada cara se describe con solo dos números, y similareslas caras que miran se agrupan cerca en el diagrama de dispersión. Esencialmente, la descomposición de valores singulares realizó esta codificación, pero para las moléculas de jaula porosas ".
La investigación demostró que la codificación aprendida captura las características sobresalientes de las cavidades de las jaulas porosas y puede predecir las propiedades de las jaulas que se relacionan con la forma de la cavidad.
"Nuestros métodos podrían aplicarse para aprender representaciones latentes de cavidades dentro de otras clases de materiales porosos y de formas de moléculas en general", dijo Simon.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Oregón . Original escrito por Steve Lundeberg. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :