Perchloraten zijn een klasse verbindingen die berucht zijn vanwege hun explosieve karakter. Dit leidt tot veiligheidsproblemen tijdens experimenten met complexe verbindingen die perchloraationen bevatten, aangezien explosies zelfs door de geringste schok of hitte kunnen worden veroorzaakt. Het is daarom belangrijk om hun moleculaire structuur te bestuderen en de reden achter hun explosieve karakter te begrijpen.

In deze context is een methode genaamd de Hirschfield-oppervlakteanalyse op grote schaal gebruikt voor het visualiseren en kwantificeren van de kristalstructuur en moleculaire interacties van kristalverbindingen. Een tweedimensionale vingerafdrukgrafiek afgeleid van de Hirschfield-analyse toont levendig de complexe interacties in kristallen.

Ondanks hun voordelen zijn deze methoden echter alleen afhankelijk van het oordeel van het menselijk oog, waardoor hun algehele effectiviteit wordt beperkt. Op zoek naar een manier om deze beperkingen te overwinnen, hebben recente onderzoeken het gebruik van deep learning- en kunstmatige intelligentie (AI) -methoden voor analyse onderzocht. Deze onderzoeken hebben gewezen op het potentiële voordeel van het gebruik van AI om de kenmerken te onthullen die voor mensen lastig te onderscheiden zijn.

Om het potentieel van Hirschfield-oppervlakteanalyse volledig te realiseren, heeft een team van onderzoekers, onder leiding van professor Takashiro Akitsu van de afdeling Scheikunde en het Centrum voor Brandwetenschappen en Technologie van de Tokyo University of Science (TUS) in Japan, onlangs diepgaande het leren analyseren van het Hirschfield-oppervlak van metaalcomplexen van het salen-type. Tot het onderzoeksteam behoorden ook Yuji Takiguchi, Shintaro Suda en assistent-professor Daisuke Nakane, allemaal van TUS.

Complexen van het Salen-type zijn een opkomend en lucratief onderzoeksgebied, voornamelijk vanwege hun uiteenlopende functies. "Echte experimenten met de explosieve en thermische eigenschappen van deze materialen zijn nauwkeurig maar uiterst gevaarlijk, en daarom kan het gebruik van AI om deze eigenschappen te bestuderen door uitsluitend de kristalstructuur te analyseren behoorlijk voordelig zijn", legt Akitsu uit. De bevindingen van dit onderzoek zijn gepubliceerd in het tijdschrift FirePhysChem op 30 december 2023.

Het team ontwikkelde uitgebreide datasets van de Hirschfield-vingerafdrukgrafieken van de metaalcomplexen van het salen-type opgeslagen in de Cambridge Crystal Database (CCDC) en gebruikte deep learning om de kenmerken van de kristalstructuur te bestuderen die bijdragen aan hun explosiviteit. Daartoe gebruikten de onderzoekers ook een speciale variatie-autoencoder waarmee ze de informatie ingebed in de vingerafdrukplotbeelden omzetten in een laagdimensionale vector. Hierdoor konden ze de vormen van de plots kwantitatief bestuderen, wat tot nu toe alleen kwalitatief gebeurde.

Uit hun analyse bleek dat de metaalcomplexen van het salen-type geen onderscheidende structurele kenmerken hebben, wat aangeeft dat hun explosieve karakter verband houdt met de chemische binding van de perchloraationen en hun omringende intermoleculaire interacties.

Prof. Akitsu benadrukt het belang van deze studie en legt uit:“Traditioneel heeft het vakgebied van de kristaltechniek zich uitsluitend geconcentreerd op de interacties van kleine moleculen in kristallen. Maar in de toekomst zullen interacties in complexe systemen aan betekenis winnen. Dit betekent dat het bestuderen van hun intermoleculaire interacties zullen zelfs nog belangrijker worden. Onze nieuwe methode kan helpen bij het bestuderen van dergelijke interacties door alleen de kristalstructuur te begrijpen. Bovendien kan het ook bijdragen aan de ontdekking van nieuwe medicijnen en het bevorderen van katalytisch onderzoek."

In dit onderzoek wordt ook gebruik gemaakt van de CCDC, die ondanks ruim 1 miljoen inzendingen nog steeds onderbenut wordt. Bovendien kan de innovatieve methode die in dit onderzoek wordt voorgesteld het gebruik van deze database bevorderen en leiden tot de ontdekking van nieuwe en interessante verbindingen.

Over het geheel genomen biedt het onderzoek inzicht in de explosieve aard van perchloraten en presenteert het ook een veiligere, datagestuurde methode voor het bestuderen van de fysische eigenschappen van verbindingen, waardoor het onderzoek naar kristaltechnologie en energetische materialen wordt bevorderd.

Meer informatie: Takashiro Akitsu et al., Diepgaande voorspelling van de veiligheidsgroep van complexe kristallen van het salen-type ten opzichte van explosieve perchloraatzouten, FirePhysChem (2023). DOI:10.1016/j.fpc.2023.12.004

Aangeboden door de Tokyo University of Science