Grote scheikundigen hebben manieren ontdekt om koolstof, waterstof, zuurstof en stikstof te combineren in allerlei soorten plastic:lekvrije voedselverpakkingen, hittebestendige auto-onderdelen, duurzame persoonlijke beschermingsmiddelen – de lijst is lang.

De echte uitdaging voor een materiaalwetenschapper in de 21e eeuw is het vinden van het perfecte recept om polymeren duurzamer en tegelijkertijd beter presterend te maken, vooral als je alleen petrochemicaliën bij de hand hebt.

"Petroleum bestaat grotendeels uit koolwaterstoffen - in wezen arrangementen van koolstof en waterstof die chemisch met elkaar zijn verbonden en die een aantal behoorlijk opmerkelijke en voordelige eigenschappen hebben", zegt Brandon Knott, wetenschapper van het National Renewable Energy Laboratory (NREL).

"Maar koolwaterstoffen missen heteroatomen zoals zuurstof en stikstof, en het kan aanzienlijke energie vergen om ze toe te voegen bij de productie van polymeren die een bredere functionaliteit nodig hebben dan wat koolwaterstoffen bieden."

Een goede oplossing, legt Knott uit, is het toevoegen van zuurstof- en stikstofrijke biomassa en afval aan de ingrediëntenlijst. Maïsstengels, algen en zelfs afval bevatten extra chemische bindingen die scheikundigen vaak meer flexibiliteit bieden om specifieke eigenschappen te bereiken.

Maar het perfecte recept vinden voor zowel duurzaamheid als ongeëvenaarde prestaties?

Een machine learning-tool van NREL, PolyID:Polymer Inverse Design, maakt het gemakkelijker om de balans te vinden. Met behulp van kunstmatige intelligentie kan de tool materiaaleigenschappen voorspellen op basis van de moleculaire structuur. Hierdoor kan het miljoenen mogelijke polymeerontwerpen screenen om een ​​shortlist van kandidaten voor een bepaalde toepassing te creëren.

Het hulpmiddel wordt uitgebreid besproken in Macromoleculen .

Slim algoritme koppelt materiaaleigenschappen aan moleculaire structuur

Het algoritme achter PolyID is een state-of-the-art vooruitgang in de richting van een fundamentele benadering die bekend staat als de 'groepsbijdragetheorie'. De tool legt verbanden tussen de rangschikkingen van zuurstof, waterstof, koolstof en andere elementen en materiaaleigenschappen om eigenschappen als elasticiteit, hittetolerantie en afdichtingsprestaties te voorspellen.

Met een groeiende bibliotheek van verbindingen tussen de moleculaire structuren van polymeren en hun bekende eigenschappen, ‘leert’ het systeem te voorspellen hoe nieuwe polymeren kunnen worden ontworpen om specifieke fysieke kenmerken te bereiken.

"Als je dat doet met een paar duizend polymeren om het algoritme te trainen, krijg je heel nauwkeurige voorspellingen voor structuren die nog niet eerder door het algoritme zijn gezien en misschien nog niet eerder zijn gemaakt", legt Nolan Wilson, de leider, uit. auteur op het papier.

Met duizenden polymeren in de referentiebibliotheek stelt de tool wetenschappers in staat achteruit te werken bij het zoeken naar nieuwe polymeerontwerpen. Ze kunnen eerst de gewenste eigenschappen identificeren en potentiële polymeerontwerpen selecteren.

Casestudy:Biologisch afbreekbare alternatieven vinden voor de hedendaagse voedselverpakkingsfilms

NREL-wetenschappers gebruikten bijvoorbeeld PolyID om snel meer dan 15.000 plantaardige polymeren te screenen op zoek naar biologisch afbreekbare alternatieven voor de huidige voedselverpakkingsfilms. Verpakkingsfolies zijn voornamelijk gemaakt van polyethyleen met hoge dichtheid, een materiaal op aardoliebasis. Ze zijn vaak ontworpen om hoge temperaturen te weerstaan ​​en een sterke dampafdichting te creëren om het voedsel vers te houden.

Het team van NREL gaf prioriteit aan deze eigenschappen in PolyID, terwijl andere wenselijke eigenschappen werden toegevoegd, waaronder biologische afbreekbaarheid en een lagere broeikasgasvoetafdruk. De tool genereerde een shortlist van zeven polymeerontwerpen die uit biomassa konden worden gemaakt.

Na verder testen in het laboratorium bevestigde het team de voorspellingen van de tool. Niet alleen zouden alle zeven polymeren bestand zijn tegen hoge temperaturen, maar ze zouden dat ook kunnen doen terwijl ze de netto-uitstoot van broeikasgassen verlagen en voedsel langer vers houden.

Een hulpmiddel om polymeren af ​​te stemmen op de behoeften van de industrie

Met miljoenen unieke materialen die mogelijk zijn uit biomassa, afval en conventionele grondstoffen, is het een uitdaging om prioriteit te geven aan duurzaamheid bij het ontwerp van nieuwe polymeren, zelfs voor de slimste scheikundigen.

Dat komt omdat consumenten steeds meer eisen stellen aan de producten waarmee ze interacteren. Veel bedrijven reageren hierop door hun producten te innoveren om afval te verminderen, recycling te bevorderen en hun ecologische voetafdruk te verkleinen. Maar het kan een lastige evenwichtsoefening zijn om die doelen te bereiken zonder dat dit ten koste gaat van de productprestaties.

Waar PolyID volgens Wilson het meest in uitblinkt, is het vermogen om prestaties naast een groot aantal andere duurzaamheidsoverwegingen te plaatsen.

"Sommige hiervan zouden kunnen dienen als directe vervanging voor vergelijkbare petroleumpolymeren", legde hij uit. "Maar in veel gevallen zijn ze zelfs nog beter in termen van prestaties en duurzaamheid."

Op die manier kunnen voedselverpakkingen meer doen dan alleen de houdbaarheid verbeteren. De coatings op een paar ski's helpen niet alleen kou en sneeuw af te weren. De thermoplastische schaal in een fietshelm beschermt mogelijk meer dan alleen je hersenen. Dat kunnen ze doen en tegelijkertijd een gezond milieu ondersteunen.

Meer informatie: A. Nolan Wilson et al, PolyID:Kunstmatige intelligentie voor het ontdekken van prestatiegerichte en duurzame polymeren, Macromoleculen (2023). DOI:10.1021/acs.macromol.3c00994

Geleverd door het Nationaal Laboratorium voor Hernieuwbare Energie