مدل‌سازی ریاضی برای پیش‌بینی خواص پلیمر

یک تیم بین‌رشته‌ای از محققان، ابزار مدل‌سازی ریاضی قدرتمندی را طراحی کرده‌اند که به محققان اجازه می‌دهد تا خصوصیات شبکه‌های پلیمری را حتی قبل از این‌که آن‌ها ایجاد شوند، پیش‌بینی کنند.شبکه‌های پلیمری از زنجیره‌های بلندی از مولکول‌ها مانند رشته‌ای از مروارید یا اسپاگتی تشکیل‌شده‌اند. این مدل جدید ارتباطات بین رشته‌های اسپاگتی مانند را پیش‌بینی می‌کند.
در این مطالعه که در Nature Materials منتشر شد، محققان دانشگاه Ghent (UGent)، QUT و دانشگاه Stanford، این روش را برای پیش‌بینی خواص پلیمر ایجاد کردند.
پروفسور Dagmar R. D'hooge، از UGent، بلژیک، گفت که شبکه‌های پلیمری کاربردهای زیادی ازجمله لاستیک‌ها، پوشش‌ها، چسب‌ها و لوازم‌آرایشی داشتند. پروفسور D'hooge گفت: برای اولین بار، این‌یک ابزار پیش‌بینی برای خواص مواد مربوط به شبکه‌ها است از کوچک‌ترین بلوک سازنده مولکول تا این‌که چه مقدار مواد سخت است، مقاوم در برابر ضربه است یا فقط یک حباب نرم است.دکتر De Keer، از UGent، گفت ابزاری که در این تحقیق قبلاً مشخص شد، کمکی به طراحی پلیمرهای ابر مولکولی جدید در حوزه‌هایی مانند دارورسانی، انتقال ژن و کاربردهای زیست پزشکی بود.
همراه با پروفسور Dagmar R. D'hooge و دکتر De Keer، محققان UGent که به این مطالعه مشغول شدند، پروفسور Paul Van Steenberge، پروفسور Marie-Françoise Reyniers، پروفسور Lode Daelemans و پروفسور Karen De Clerck به شمار می‌آیند.
پروفسور Barner-Kowollik Christopher ، از مرکز علوم مواد QUT، گفت محققان مذکور این مدل را با استفاده از ریاضیات پیشرفته و شبیه‌سازی‌های مولکولی طراحی کرده‌اند درحالی‌که محققان مدل‌سازی محاسباتی، شیمی مصنوعی و علم مواد را گرد هم می‌آورند.
پروفسور Barner-Kowollik گفت: پیشرفت‌های اخیر شیمی شامل خواص غیرمتعارفی مانند خود ترمیمی، رسانایی و واکنش به محرک در شبکه‌های پلیمری است درحالی‌که به آن‌ها پتانسیل زیادی در کاربردهای پیشرفته مانند بازیافت، تحویل دارو، داربست‌های مهندسی بافت، ذخیره‌سازی گاز، کاتالیزور و مواد الکترونیکی می‌دهد.

شناسایی شبکه‌های پلیمری کار بزرگی است 

در اینجا ما با ادغام تخصص از مدل‌سازی نظری به شیمیدان‌های تجربی که نمونه‌هایی را ارائه می‌دهند که می‌توان با آن مدل را آزمایش کرد، یک گام واقعی به جلو برمی‌داریم.»
پروفسور Barner-Kowollik گفت رویای نهایی برای شیمیدانان تجربی داشتن یک برنامه کامپیوتری است که ناشناخته‌ها را از آزمایش‌ها خارج کند.
او می‌گوید: «تصور کنید اگر می‌توانید ابررایانه‌ای داشته باشید که حتی قبل از موفقیت در آزمایشگاه، بتواند بگوید نتیجه محتمل چه خواهد بود».
همراه با پروفسور Barner-Kowollik، محققانی که در این مطالعه شرکت داشتند شامل دکتر Hendrick فریش و دانیل کودورا از QUT هستند. پروفسور Reinhold Dauskardt  در دانشگاه استنفورد گفت که از این کار "فوق‌العاده هیجان‌زده" است.این نشان‌دهنده یک هنرنمایی از شیمی مواد پایه‌ای است و نشان می‌دهد که چه چیزی می‌توان از یک تیم بین‌المللی با پیشینه‌های مختلف به دست آورد.
پروفسور Dauskardt  گفت: این کار نشان می‌دهد که چگونه بناکننده‌های مولکولی را می‌توان هم ازلحاظ زمانی و مکانی برای ایجاد ساختارهای دقیق مواد ازجمله نقص‌ها و روابط ساختار-خاصیت درنتیجه" مونتاژ کرد.
پروفسورReinhold Dauskardt  گفت: «این ترکیب از هر دو سینتیک و مونتاژ فضایی مولکولی تابه‌حال به دست نیامده بود.

 

لینک خبر

https://phys.org/news/2021-09-tool-polymer-properties.html