Droga do lepszego zrozumienia mikrożeli
Mikrożele reagujące na ciepło stanowią obiecujący nowy materiał, który może znaleźć zastosowania w wielu dziedzinach - począwszy od dostarczania leków i badań medycznych po konserwację dzieł sztuki. Naukowcy modelują te żele dzięki symulacjom komputerowym, jednak wciąż nie dysponują sposobem ustalenia ich docelowych właściwości na podstawie składników. To skutkuje koniecznością przeprowadzania wielu symulacji i doświadczeń. „Projektowanie mikrożelu o pożądanej strukturze wewnętrznej nadal wiąże się z koniecznością dochodzenia do odpowiednich rezultatów metodą prób i błędów, a charakteryzacja gotowych materiałów wymaga zastosowania metod doświadczalnych” wyjaśnia Emanuela Zaccarelli(odnośnik otworzy się w nowym oknie), dyrektorka ds. badań w Narodowej Radzie Badań Naukowych – Instytucie Układów Złożonych(odnośnik otworzy się w nowym oknie) oraz na Uniwersytecie Sapienza w Rzymie(odnośnik otworzy się w nowym oknie). „Przewidywanie ich elastyczności stanowi jeszcze większe wyzwanie, ponieważ reakcja mechaniczna mikrożelu jest ściśle powiązana z jego mikrostrukturą”, dodaje. W ramach projektu MGELS finansowanego ze środków działania „Maria Skłodowska-Curie”(odnośnik otworzy się w nowym oknie) Zaccarelli i jej współpracownicy opracowali nowy algorytm uczenia maszynowego, który umożliwia przewidywanie struktury i właściwości sprężystych mikrożeli na podstawie składników zastosowanych w celu ich wytwarzania. Takie rozwiązanie pomaga badaczom zrozumieć nie tylko mechanizmy fizyczne odpowiadające za elastyczność mikrożeli, ale w przyszłości może umożliwić także wskazanie właściwych mikrożeli na podstawie pożądanych właściwości. „Byłoby to niezwykle przydatne przy tworzeniu inteligentnych materiałów, które mogą znaleźć zastosowanie w medycynie”, zauważa Susana Marín-Aguilar(odnośnik otworzy się w nowym oknie), stypendystka działania „Maria Skłodowska-Curie” na Uniwersytecie Sapienza i główna badaczka projektu MGELS.
Algorytmy uczenia maszynowego wyszukujące „czynniki sieciujące”
Zespół opracował algorytmy uczenia maszynowego oparte na danych wygenerowanych w wyniku wielu symulacji molekularnych termoczułych mikrożeli. Celem tych symulacji było przewidywanie właściwości chemicznych środków wiążących nazywanych czynnikami sieciującymi, na podstawie których można ustalić wewnętrzną strukturę żeli. Metody oparte na uczeniu maszynowym posłużyły do dokładnego przewidywania stężenia czynników sieciujących w cząstkach mikrożeli w oparciu o gęstość promieniową. Badacze odkryli, że wartość tę można wprowadzić do algorytmu i skompresować ją do pojedynczej liczby, aby uzyskać pożądany wynik. Następnie wykorzystali tę samą właściwość do przewidywania rozkładu czynników sieciujących. „W ten sposób model pozwala na ustalenie danych na temat mikrostruktury cząstki, które byłyby bardzo trudne do uzyskania przy pomocy metod doświadczalnych”, wyjaśnia Marín-Aguilar. „Udostępniliśmy tę platformę na zasadach otwartego dostępu, aby zmaksymalizować jej użyteczność”.
Wykorzystanie rezultatów badań do ulepszenia mikrożeli
Badacze poszli o krok dalej, zestawiając informacje na temat mikrostruktury z właściwościami mikrożeli. W ten sposób opracowali między innymi metodę wykorzystującą stężenia czynników sieciujących w celu przewidywania pęcznienia żelu w odpowiedzi na zmiany temperatury, a także jego elastyczności. Kolejnym ważnym rezultatem prac było wykazanie, że w określonych warunkach mikrożele o niskim stężeniu czynników sieciujących charakteryzują zachowania auksetyczne – rozciągają się w jednym kierunku, rozszerzając przy tym w kierunku prostopadłym. „Ta niezwykła reakcja może pozwolić na wykorzystanie ich wyjątkowych właściwości mechanicznych i zainspirować rozwiązania stosowane w wielu obszarach, począwszy od tkanin i materiałów ochronnych po technologie biomedyczne i rozwiązania inżynieryjne”, mówi Zaccarelli.
Dalsze prace nad tajemniczymi materiałami
Dokonane przez badaczy odkrycia wskazują, że mikrożele stanowią nietypową klasę miękkich cząstek, których właściwości fizyczne nadal nie są w pełni poznane. Jak zauważa Zaccarelli: „Ustalenie powiązań między ich wewnętrzną strukturą, właściwościami mechanicznymi i zachowaniem zbiorowym jest jednym z najciekawszych kierunków badań, które stanowią naturalną drogę rozwoju prac realizowanych w ramach projektu”. Dzięki partnerstwom nawiązanym w trakcie prac zespół zamierza zgłębiać nowe obszary badań. „Zamierzamy łączyć symulacje, uczenie maszynowe i doświadczenia nie tylko w kontekście mikrożeli, ale także w badaniach szeroko pojętych układów materii miękkiej”, mówi Zaccarelli.
