機械学習は、より強いポリマーを見つけるのに役立ちます

MITおよびデューク大学の研究者によって開発された戦略は、機械学習を使用して、ポリマーを引き裂きに耐性にする架橋剤分子を特定しています。これは、プラスチックの廃棄物を減らすのに役立つかもしれません。この方法は、力にさらされたときに構造または挙動を変化させる分子であり、ニューラルネットワークを使用して候補者をスクリーニングするメカノフォアに焦点を当てています。

研究者は、この方法をフェロセンに適用しました。鉄含有化合物は、メカノフォアとして広く研究されていません。テストでは、標準的なフェロセンベースの架橋剤で作られたものよりも材料が約4倍厳しいことが示されました。


最初のステップでは、約400個のフェロセンをシミュレートして、結合を破るために必要な力を計算しました。このデータは、他の化合物の涙抵抗性を予測するために、機械学習モデルを訓練しました。このモデルは、パフォーマンスを改善する2つの機能を見つけました。リング上の化学グループ間の相互作用とフェロセンの両側に大きなグループの存在です。最初の機能は予想されていましたが、2つ目はAIによって発見された結果であり、人間の化学者によって予測されていませんでした。

メカノフォアの発見とテストは通常、遅いプロセスです。ほとんどの既知のメカノフォアは、架橋剤として使用されているシクロブタンのような有機物です。ラボで1つのメカノフォアをテストするには、数週間かかる場合があります。シミュレーションでさえ数日かかります。これにより、数千のオプションがある場合、従来のスクリーニングが激しくなります。

フェロセンは触媒と薬物研究で一般的ですが、メカノフォアとしてあまりテストされていません。これらの有機金属化合物は、2つの炭素ベースの環の間に鉄原子を持っています。リングには、分子が力に反応する方法に影響を与える化学群が運ばれます。

フェロセンと協力して機械学習を使用することにより、チームは有用なメカノフォアを見つけるためのよりスケーラブルな方法を示しました。このアプローチは、色の変化、反応のトリガー、またはその他の行動によって力に反応する化合物を見つけるのにも役立ちます。これは、ストレスを感知したり、触媒を切り替えたり、薬物を配信したりするのに役立ちます。

将来の作業では、フェロセンやその他の金属ベースの化合物を見て、より多くのメカノフォアを見つけて新しい材料を開発する可能性があります。