Профессор химической и биомолекулярной инженерии использовал лабораторный реактор, сжиженный катализатор и машинное обучение для более эффективного проектирования полимеризации.
Синтез пластиковых прекурсоров, например, полимеров, предполагает использование специализированных катализаторов. Однако традиционный партийный метод поиска и скрининга нужных для данного результата катализаторов потребляет литры растворителя, образует большое количество химических отходов и представляет собой дорогостоящий, трудоемкий процесс, включающий в себя многократные испытания.
Райан Хартман, профессор химической и биомолекулярной инженерии Инженерной школы Тэндонского университета Нью-Йоркского университета, и его лаборатория разработали лабораторную "интеллектуальную микросистему", использующую машинное обучение, для моделирования химических реакций, что обещает устранить этот дорогостоящий процесс и свести к минимуму вред для окружающей среды.
В своих исследованиях "Сочетание автоматизированных микрожидкостных экспериментов с машинным обучением для эффективного проектирования полимеризации", опубликованных в Nature Machine Intelligence, коллаборационисты, в том числе докторант Бенджамин Ризкин, использовали специально разработанный, быстро прототипируемый микрореактор в сочетании с автоматизацией и инфракрасной термографией на месте для изучения экзотермической (теплогенерирующей) полимеризации - реакций, которые, как известно, трудно контролировать, когда имеются ограниченные экспериментальные кинетические данные. Сочетание эффективной микрожидкостной технологии с алгоритмами машинного обучения для получения высокоточных наборов данных на основе минимальных итераций позволило сократить химические отходы на два порядка и каталитическое открытие от нескольких недель до нескольких часов.
Хартман объяснил, что проектирование микрожидкостной установки потребовало от команды сначала оценить термодинамику реакций полимеризации, в данном случае с использованием класса металлоценовых катализаторов, широко применяемых в промышленном масштабе для полимеризации полиэтилена и других термопластичных полимеров.
Хартман добавил, что такая настольная система может открыть дверь для целого ряда других экспериментальных данных. Используя класс полимерных катализаторов на основе циркона, группа исследователей объединила микрофлюидику, проверенную в исследованиях других экзотермических реакций, с автоматизированным насосом и инфракрасной термографией для обнаружения изменений реакционной способности на основе экзотерм (соединений, выделяющих тепло в процессе их образования), в результате чего было проведено эффективное, высокоскоростное экспериментирование для картирования реакционного пространства катализатора. Поскольку процесс проводился в небольшом реакторе, они смогли ввести катализатор, растворенный в жидкости, что устранило необходимость в экстремальных условиях для индуцирования катализа.
"Дело в том, что большинство пластмасс производится с использованием металлоценовых катализаторов, связанных с кремнеземными частицами, создавая гетерогенную подложку, полимеризующую мономеры, такие как пропилен и этилен", - сказал Хартман.
Группа Хартмана ранее продемонстрировала, что искусственные нейронные сети (ИНС) могут быть использованы в качестве инструмента для моделирования и понимания путей полимеризации. В новых исследованиях они применили ИНС для моделирования экзотермической полимеризации, катализируемой цирконоценом. Используя системы MATLAB и LabVIEW для контроля реакций, сопряжения с внешними устройствами и генерирования передовых вычислительных алгоритмов, исследователи сгенерировали серию ИНС для моделирования и оптимизации катализа на основе экспериментальных результатов.
"Химические компании обычно используют реакторы емкостью от 100 мл до 10 л. для скрининга сотен катализаторов, которые, в свою очередь, могут быть масштабированы для производства пластмасс. При этом мы используем менее одного миллилитра, и, уменьшая площадь лабораторий, вы уменьшаете необходимое оборудование, таким образом, уменьшая всю площадь". Наша работа является полезным инструментом как для научного, так и для технико-экономического анализа сложных каталитических полимеризаций", - сказал Хартман.
Он пояснил, что в принципе этот метод может привести к более эффективной разработке и более экологичным пластмассам, поскольку более быстрый скрининг катализаторов и полимеров позволяет быстрее адаптировать процессы к более экологичным полимерам.