Profundizar en el conocimiento de los microgeles
Los microgeles termosensibles se han convertido en un nuevo material prometedor, utilizado para todo tipo de fines, desde la administración de fármacos y la investigación médica hasta la restauración de obras de arte. Los científicos pueden modelar estos geles mediante simulaciones por ordenador, pero todavía no hay forma de conocer sus propiedades finales con solo observar los ingredientes iniciales. Por lo tanto, aún se necesitan numerosas simulaciones y experimentos. «Diseñar un microgel con la estructura interna deseada sigue implicando un proceso considerable de ensayo y error, seguido de una caracterización experimental», explica Emanuela Zaccarelli(se abrirá en una nueva ventana), directora de investigación del Consejo Nacional de Investigación – Instituto de Sistemas Complejos(se abrirá en una nueva ventana) y la Universidad La Sapienza de Roma(se abrirá en una nueva ventana). «Predecir la elasticidad resulta aún más complicado, ya que la respuesta mecánica de un microgel está estrechamente ligada a su arquitectura microscópica», añade. En el proyecto MGELS, que contó con el apoyo de las Acciones Marie Skłodowska-Curie(se abrirá en una nueva ventana) (MSCA), Zaccarelli y sus colegas propusieron un nuevo método de aprendizaje automático que predice la estructura y las propiedades elásticas de un microgel a partir de sus ingredientes. Esto no solo ayuda a los investigadores a comprender los mecanismos físicos que rigen la elasticidad, sino que, a largo plazo, podría ayudarles a partir de una propiedad deseada e identificar el microgel adecuado que deben desarrollar. «Esto resultaría útil para crear materiales inteligentes a medida que también resultarían beneficiosos para aplicaciones biomédicas», señala Susana Marín-Aguilar(se abrirá en una nueva ventana), becaria posdoctoral del programa MSCA en la Universidad La Sapienza e investigadora principal del proyecto MGELS.
Un marco de aprendizaje automático para encontrar «agentes reticulantes»
El equipo desarrolló su marco de aprendizaje automático basándose en datos generados a partir de simulaciones moleculares exhaustivas de microgeles termosensibles. La idea era predecir las propiedades de los agentes de enlace químico conocidos como «reticulantes», que permitieran inferir la estructura interna de los geles. Utilizaron métodos de aprendizaje automático para predecir con precisión la concentración de reticulantes en las partículas de microgel, utilizando una propiedad conocida como densidad radial. Descubrieron que esta propiedad podía introducirse en un algoritmo y comprimirse en un único número para obtener el resultado deseado. A continuación, utilizaron la misma propiedad para predecir la distribución de los reticulantes. «De este modo, el modelo proporciona información estructural microscópica sobre la partícula que, de otro modo, sería muy difícil de obtener de forma experimental», explica Marín-Aguilar. «Hemos hecho que este marco sea de acceso abierto para maximizar su uso».
Aplicar los hallazgos para mejorar los microgeles
A continuación, el equipo dio un paso más allá, relacionando esta información estructural con las propiedades de los microgeles. Por ejemplo, los investigadores desarrollaron un método que utiliza las concentraciones de reticulante para predecir cómo puede hincharse un gel al variar la temperatura, así como su elasticidad. Otro resultado importante fue demostrar que, en condiciones específicas, los microgeles con bajas concentraciones de reticulante muestran un comportamiento auxético —una propiedad peculiar por la que los materiales se estiran en una dirección y se expanden en la dirección perpendicular—. «Esta respuesta inusual puede aportar características mecánicas útiles y ha inspirado aplicaciones que van desde los textiles y los materiales de protección hasta las tecnologías biomédicas y de ingeniería», afirma Zaccarelli.
Investigación adicional sobre estos materiales misteriosos
En los hallazgos se muestra que los microgeles constituyen una clase especialmente inusual de partículas blandas cuyas propiedades físicas aún no se comprenden del todo, señala Zaccarelli. «Comprender la relación entre su arquitectura interna, su respuesta mecánica y su comportamiento colectivo es una de las interesantes líneas de investigación que han surgido del proyecto». A través de las colaboraciones establecidas durante el proyecto, el equipo tiene la intención de seguir trabajando en estas nuevas líneas de investigación. «Tenemos la intención de seguir combinando simulaciones, aprendizaje automático y experimentos, no solo en relación con los microgeles, sino también, de forma más amplia, en el contexto de los sistemas de materia blanda», afirma Zaccarelli.
