La dissolution des polymères à l’aide de solvants organiques est un processus essentiel dans la recherche et le développement de matériaux polymères. Aujourd’hui, le recyclage des déchets plastiques est plus important que jamais pour réduire les émissions de carbone liées à ces processus.
Des chercheurs ont développé un système d’apprentissage automatique innovant pour déterminer la miscibilité des polymères et des solvants, ouvrant la voie à de nouvelles possibilités pour le recyclage des plastiques et la création de mélanges polymères haute performance.
Un modèle prédictif pour la miscibilité des polymères et des solvants
Les polymères, dans ce contexte, font référence aux plastiques et aux matériaux similaires au plastique qui nécessitent certains solvants pour être dissous efficacement et ainsi devenir recyclables. En utilisant la base de données de calculs de chimie quantique du Mitsubishi Chemical Group (MCG), les scientifiques ont développé un système d’apprentissage automatique pour déterminer la miscibilité d’un polymère donné avec ses solvants candidats, appelés paramètres χ (chi).
Ce système a permis aux chercheurs de surmonter les limitations liées à la quantité limitée de données expérimentales sur la miscibilité polymère-solvant en intégrant d’énormes quantités de données issues d’expériences informatiques utilisant des calculs de chimie quantique à haut débit.
Des applications pour le recyclage des plastiques et les mélanges polymères
Le modèle prédictif développé par les chercheurs peut calculer les paramètres χ environ 40 fois plus rapidement que les calculs de chimie quantique conventionnels. Grâce à ce modèle, le criblage de millions d’ordres de grandeur de molécules de solvant candidates peut être effectué à une vitesse ultra-rapide.
Jusqu’à présent, le modèle s’est avéré précis pour déterminer ce qui est nécessaire pour rendre le polymère et le solvant miscibles et adaptés au recyclage. Cela élimine une grande partie des tâtonnements et des essais et erreurs liés à la création d’une substance miscible appropriée pour le recyclage.
Vers une amélioration continue du modèle
Les chercheurs ont rendu public une partie du code source et des données développées pour améliorer et étendre les techniques d’apprentissage automatique et promouvoir l’innovation ouverte et la science ouverte dans le domaine de l’informatique des matériaux. Cela permettra d’augmenter l’ensemble de données disponible pour le modèle, lui permettant d’apprendre davantage pour une meilleure représentation de la miscibilité réelle d’un polymère.
En synthèse
La capacité de prédire et de comprendre la miscibilité des polymères s’avérera être une innovation significative dans les technologies futures en matière de développement de matériaux et de recyclage intelligent des déchets plastiques.
Pour une meilleure compréhension
1. Qu’est-ce que la miscibilité des polymères et des solvants ?
La miscibilité des polymères et des solvants fait référence à la capacité d’un polymère (plastique ou matériau similaire) à se dissoudre efficacement dans un solvant spécifique. Cette propriété est cruciale pour le recyclage des plastiques et la création de mélanges polymères haute performance.
2. Comment fonctionne le système d’apprentissage automatique ?
Le système d’apprentissage automatique utilise la base de données de calculs de chimie quantique du Mitsubishi Chemical Group (MCG) pour déterminer la miscibilité d’un polymère donné avec ses solvants candidats, appelés paramètres χ (chi). Il permet de surmonter les limitations liées à la quantité limitée de données expérimentales en intégrant d’énormes quantités de données issues d’expériences informatiques.
3. Quels sont les avantages du modèle prédictif développé ?
Le modèle prédictif peut calculer les paramètres χ environ 40 fois plus rapidement que les calculs de chimie quantique conventionnels. Il permet de cribler des millions d’ordres de grandeur de molécules de solvant candidates à une vitesse ultra-rapide, facilitant ainsi le recyclage des plastiques et la création de mélanges polymères.
4. Comment les chercheurs comptent-ils améliorer le modèle ?
Les chercheurs ont rendu public une partie du code source et des données développées pour améliorer et étendre les techniques d’apprentissage automatique et promouvoir l’innovation ouverte et la science ouverte dans le domaine de l’informatique des matériaux. Cela permettra d’augmenter l’ensemble de données disponible pour le modèle, lui permettant d’apprendre davantage pour une meilleure représentation de la miscibilité réelle d’un polymère.
5. Quelles sont les implications de cette recherche pour le recyclage des plastiques ?
La capacité de prédire et de comprendre la miscibilité des polymères s’avérera être une innovation significative dans les technologies futures en matière de développement de matériaux et de recyclage intelligent des déchets plastiques. Cette recherche contribue à la réalisation de sociétés décarbonées et à l’amélioration des taux de recyclage des déchets plastiques.
Les chercheurs ont publié leurs travaux le 10 juillet dans la revue Macromolecules.
Cette recherche a été rendue possible grâce à l’Institut de mathématiques statistiques (ISM), au laboratoire de conception de matériaux de pointe de la Mitsubishi Chemical Corporation (MCC), au CREST de JST (JPMJCR1913) et au MEXT dans le cadre du « Programme de promotion des recherches sur le superordinateur Fugaku ».
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
