La synthèse de précurseurs plastiques, tels que les polymères, implique des catalyseurs spécialisés. Cependant, la méthode traditionnelle par lots pour trouver et trier les bons pour un résultat donné consomme des litres de solvant, génère de grandes quantités de déchets chimiques, et c'est cher, processus fastidieux impliquant plusieurs essais.

Ryan Hartman, professeur de génie chimique et biomoléculaire à la NYU Tandon School of Engineering, et son laboratoire ont développé un « microsystème intelligent » en laboratoire utilisant l'apprentissage automatique, pour modéliser des réactions chimiques prometteuses pour éliminer ce processus coûteux et minimiser les dommages environnementaux.

Dans leurs recherches, "Combinant l'expérimentation microfluidique automatisée avec l'apprentissage automatique pour une conception de polymérisation efficace, " Publié dans Nature Machine Intelligence , les collaborateurs, dont le doctorant Benjamin Rizkin, a employé une conception sur mesure, microréacteur rapidement prototypé en conjonction avec l'automatisation et la thermographie infrarouge in situ pour étudier la polymérisation exothermique (génératrice de chaleur), des réactions notoirement difficiles à contrôler lorsque des données cinétiques expérimentales limitées sont disponibles. En associant une technologie microfluidique efficace à des algorithmes d'apprentissage automatique pour obtenir des ensembles de données haute fidélité basés sur des itérations minimales, ils ont pu réduire les déchets chimiques de deux ordres de grandeur et la découverte catalytique de quelques semaines à quelques heures.

Hartman a expliqué que la conception de la configuration microfluidique nécessitait que l'équipe estime d'abord la thermodynamique des réactions de polymérisation, dans ce cas impliquant une classe de catalyseurs métallocènes, largement utilisé dans la polymérisation à l'échelle industrielle du polyéthylène et d'autres polymères thermoplastiques.

"Nous avons d'abord développé une estimation de l'ordre de grandeur du transport de chaleur et de masse, " a déclaré Hartman. " La connaissance de ces quantités nous a permis de concevoir un dispositif microfluidique capable de filtrer l'activité des catalyseurs et d'offrir des mécanismes évolutifs imitant la cinétique intrinsèque nécessaire aux processus à l'échelle industrielle. "

Hartman a ajouté qu'un tel système de paillasse pourrait ouvrir la porte à une gamme d'autres données expérimentales. "Cela pourrait fournir un contexte pour analyser d'autres propriétés d'intérêt telles que la façon dont le mélange de flux, dispersion, transfert de chaleur, transfert de masse, et la cinétique de réaction influence les caractéristiques du polymère, " il expliqua.

En utilisant une classe de catalyseurs polymères à base de zirconocène, l'équipe de recherche a associé la microfluidique - éprouvée dans la recherche d'autres réactions exothermiques - à une pompe automatisée et à une thermographie infrarouge pour détecter les changements de réactivité basés sur les exothermes (composés qui dégagent de la chaleur pendant leur formation), ce qui permet d'obtenir des résultats efficaces, expérimentation à grande vitesse pour cartographier l'espace de réaction du catalyseur. Étant donné que le processus s'est déroulé dans un petit réacteur, ils ont pu introduire le catalyseur dissous dans le liquide, éliminant le besoin de conditions extrêmes pour induire la catalyse.

"Le fait est, la plupart des plastiques sont fabriqués à l'aide de catalyseurs métallocènes liés à des particules de silice, créer un substrat hétérogène qui polymérise des monomères comme le propylène et l'éthylène, " a déclaré Hartman. " Les progrès récents dans le catalyseur homogène de métallocène dissous permettent des conditions de réaction plus douces. "

Le groupe de Hartman a précédemment démontré que les réseaux de neurones artificiels (ANN) peuvent être utilisés comme un outil pour modéliser et comprendre les voies de polymérisation. Dans la nouvelle recherche, ils ont appliqué les ANN à la modélisation de la polymérisation exothermique catalysée par le zirconocène. En utilisant les systèmes MATLAB et LabVIEW pour contrôler les réactions, interface avec des périphériques externes, et générer des algorithmes de calcul avancés, les chercheurs ont généré une série d'ANN pour modéliser et optimiser la catalyse sur la base des résultats expérimentaux.

"Les entreprises chimiques utilisent généralement des réacteurs de 100 millilitres à 10 litres pour tamiser des centaines de catalyseurs qui à leur tour pourraient être mis à l'échelle pour fabriquer des plastiques. Ici, nous utilisons moins d'un millilitre, et en réduisant l'empreinte des expériences de laboratoire, vous réduisez les installations nécessaires, ainsi toute l'empreinte est réduite. Notre travail fournit un outil utile pour l'analyse scientifique et technico-économique des polymérisations catalytiques complexes, " a déclaré Hartman.

Les découvertes de Hartman et de son laboratoire ouvrent la porte à de nouveaux types de recherche, impliquant principalement le concept d'automatisation, ou chimie "robotique", augmenter le débit, fidélité des données, et la manipulation sûre des polymérisations hautement exothermiques.

Il a expliqué que, en principe, la méthode pourrait conduire à une conception plus efficace et à des plastiques plus respectueux de l'environnement, puisque le criblage plus rapide des catalyseurs et des polymères permet d'adapter plus rapidement les processus à des polymères plus respectueux de l'environnement.