Conoscere più a fondo i microgel
I microgel termosensibili si sono affermati come un nuovo materiale promettente, usato in diversi settori, dalla somministrazione di farmaci alla ricerca medica, fino al restauro delle opere d’arte. Gli scienziati possono modellare questi gel usando simulazioni al computer, ma non è ancora possibile conoscerne le proprietà finali semplicemente osservando gli ingredienti iniziali. Tuttora, sono dunque necessarie numerose simulazioni ed esperimenti. «Progettare un microgel con la struttura interna desiderata comporta ancora una lunga serie di tentativi ed errori, seguita da una caratterizzazione sperimentale», spiega Emanuela Zaccarelli(si apre in una nuova finestra), direttrice di ricerca presso il Consiglio Nazionale delle Ricerche – Istituto per i Sistemi Complessi(si apre in una nuova finestra) e presso l’Università La Sapienza di Roma(si apre in una nuova finestra). «Prevedere l’elasticità è ancora più impegnativo, poiché la risposta meccanica di un microgel è strettamente legata alla sua architettura microscopica», aggiunge. Nel progetto MGELS, sostenuto dal programma di azioni Marie Skłodowska-Curie(si apre in una nuova finestra) (MSCA), Zaccarelli e i colleghi hanno proposto un nuovo metodo di apprendimento automatico, in grado di prevedere la struttura e le proprietà elastiche di un microgel a partire dagli ingredienti. Questo non solo aiuta i ricercatori a comprendere i meccanismi fisici che regolano l’elasticità, ma, a lungo termine, potrebbe aiutarli a partire da una proprietà desiderata e a identificare il microgel giusto da sviluppare. «Sarebbe utile per creare materiali intelligenti su misura, che potrebbero rivelarsi ideali anche per applicazioni biomediche», osserva Susana Marín-Aguilar(si apre in una nuova finestra), ricercatrice post-dottorato MSCA presso l’Università La Sapienza e ricercatrice principale del progetto MGELS.
Un quadro di apprendimento automatico per individuare i «reticolanti»
L’équipe ha sviluppato il proprio quadro di apprendimento automatico basandosi sui dati generati da estese simulazioni molecolari di microgel termoresponsivi. L’idea era quella di prevedere le proprietà degli agenti di legame chimico noti come «agenti reticolanti» in grado di rivelare la struttura interna dei gel. Per farlo, sono stati usati metodi di apprendimento automatico per prevedere con precisione la concentrazione di tali agenti nelle particelle di microgel, sfruttando una proprietà nota come densità radiale. Dalla ricerca è emerso che questa proprietà può essere inserita in un algoritmo e sintetizzata in un unico numero per fornire il risultato desiderato. Quindi, la stessa proprietà è stata usata per prevedere la distribuzione dei reticolanti. «In questo modo, il modello fornisce informazioni strutturali microscopiche sulla particella che altrimenti sarebbero molto difficili da ricavare sperimentalmente», spiega Marín-Aguilar. «Abbiamo reso questo quadro ad accesso libero per massimizzarne l’uso.»
Applicare i risultati per migliorare i microgel
L’équipe ha poi compiuto un ulteriore passo avanti, collegando queste informazioni strutturali alle proprietà dei microgel. Ad esempio, i ricercatori hanno sviluppato un approccio che usa le concentrazioni di agenti reticolanti per prevedere in che modo un gel può rigonfiarsi al variare della temperatura, insieme alla sua elasticità. Un altro risultato importante è stata la dimostrazione che, in condizioni specifiche, i microgel con basse concentrazioni di reticolante mostrano un comportamento auxetico, una proprietà peculiare per cui i materiali si allungano in una direzione e si espandono in quella perpendicolare. «Questa risposta insolita può fornire caratteristiche meccaniche utili e ha ispirato applicazioni che spaziano dai tessuti ai materiali protettivi, fino alle tecnologie biomediche e ingegneristiche», afferma Zaccarelli.
Ulteriori indagini su questi materiali misteriosi
I risultati, osserva Zaccarelli, dimostrano che i microgel rappresentano una classe particolarmente insolita di particelle morbide le cui proprietà fisiche non sono ancora del tutto comprese. «Comprendere la connessione tra la loro architettura interna, la risposta meccanica e il comportamento collettivo è una delle entusiasmanti direzioni di ricerca emerse dal progetto.» Grazie alle collaborazioni instaurate nel corso del progetto, l’équipe intende approfondire queste nuove direzioni di ricerca. «Vogliamo continuare a combinare simulazioni, apprendimento automatico ed esperimenti, non solo in relazione ai microgel, ma anche più in generale nel contesto dei sistemi di materia morbida», afferma Zaccarelli.
