Forskere designer intelligent mikrosystem for hurtigere, mere bæredygtig industriel kemi

Syntese af plastiske prækursorer, såsom polymerer, involverer specialiserede katalysatorer. Imidlertid, den traditionelle batch-baserede metode til at finde og screene de rigtige for et givet resultat forbruger liter opløsningsmiddel, genererer store mængder kemisk affald, og er en dyr, tidskrævende proces, der involverer flere forsøg.

Ryan Hartman, professor i kemisk og biomolekylær teknik ved NYU Tandon School of Engineering, og hans laboratorium udviklede et laboratoriebaseret "intelligent mikrosystem", der anvender maskinlæring, til modellering af kemiske reaktioner, der viser løfte om at eliminere denne kostbare proces og minimere miljøskader.

I deres forskning, "Kombinering af automatiseret mikrofluidisk eksperimentering med maskinlæring for effektivt polymeriseringsdesign, " offentliggjort i Nature Machine Intelligence , samarbejdspartnerne, herunder doktorand Benjamin Rizkin, ansat en specialdesignet, hurtig prototype mikroreaktor i forbindelse med automatisering og in situ infrarød termografi for at studere eksoterm (varmegenererende) polymerisation - reaktioner, der er notorisk svære at kontrollere, når begrænsede eksperimentelle kinetiske data er tilgængelige. Ved at parre effektiv mikrofluidisk teknologi med maskinlæringsalgoritmer for at opnå high-fidelity-datasæt baseret på minimale iterationer, de var i stand til at reducere kemisk affald med to størrelsesordener og katalytisk opdagelse fra uger til timer.

Hartman forklarede, at design af den mikrofluidiske opsætning krævede, at holdet først estimerede termodynamikken i polymerisationsreaktioner, i dette tilfælde involverer en klasse af metallocenkatalysatorer, udbredt i industriel skala polymerisation af polyethylen og andre termoplastiske polymerer.

"Vi udviklede først en størrelsesordensvurdering af varme- og massetransport, " sagde Hartman. "Kendskab til disse mængder gjorde os i stand til at designe en mikrofluidisk enhed, der kan screene aktiviteten af ​​katalysatorer og tilbyde skalerbare mekanismer, der efterligner den iboende kinetik, der er nødvendig for processer i industriel skala."

Hartman tilføjede, at et sådant bordsystem kunne åbne døren til en række andre eksperimentelle data. "Det kunne give kontekst til at analysere andre egenskaber af interesse, såsom hvordan strømblanding, spredning, varmeoverførsel, masseoverførsel, og reaktionskinetikken påvirker polymeregenskaber, " forklarede han.

Ved at bruge en klasse af zirconocen-baserede polymerkatalysatorer, forskerholdet parrede mikrofluidik - bevist i forskning af andre eksoterme reaktioner - med en automatiseret pumpe og infrarød termografi for at detektere ændringer i reaktivitet baseret på eksotermer (forbindelser, der afgiver varme under deres dannelse), hvilket resulterer i effektive, højhastighedseksperimenter for at kortlægge katalysatorens reaktionsrum. Da processen blev udført i en lille reaktor, de var i stand til at indføre katalysatoren opløst i væske, eliminerer behovet for ekstreme forhold for at inducere katalyse.

"Faktum er, det meste plast er fremstillet ved hjælp af metallocenkatalysatorer bundet til silicapartikler, skabe et heterogent substrat, der polymeriserer monomerer som propylen og ethylen, " sagde Hartman. "Seneste fremskridt inden for homogen katalysator af opløst metallocen tillader mildere reaktionsbetingelser."

Hartmans gruppe har tidligere vist, at kunstige neurale netværk (ANN) kan bruges som et værktøj til modellering og forståelse af polymerisationsveje. I den nye forskning anvendte de ANN'er til at modellere den zirconocen-katalyserede eksoterme polymerisation. Brug af MATLAB og LabVIEW systemer til at kontrollere reaktionerne, interface med eksterne enheder, og generere avancerede beregningsalgoritmer, forskerne genererede en række ANN'er til at modellere og optimere katalyse baseret på eksperimentelle resultater.

"Kemiske virksomheder bruger typisk 100-milliliter til 10-liters reaktorer til at screene hundredvis af katalysatorer, der igen kan skaleres op til fremstilling af plast. Her bruger vi mindre end en milliliter, og ved at nedskalere fodaftrykket af laboratorieeksperimenter nedskalerer du de nødvendige faciliteter, så hele fodaftrykket reduceres. Vores arbejde giver et nyttigt værktøj til både videnskabelig og teknoøkonomisk analyse af komplekse katalytiske polymerisationer, sagde Hartman.

Hartman og hans laboratoriums opdagelser åbner døre til nye typer forskning, primært involverer konceptet automatiseret, eller "robotkemi", øget gennemløb, data troværdighed, og sikker håndtering af meget eksoterme polymerisationer.

Han forklarede, at i princippet, metoden kan føre til mere effektivt design og mere miljøvenlig plast, siden screening af katalysatorer og polymerer hurtigere giver mulighed for hurtigere at skræddersy processer til mere miljøvenlige polymerer.