Investigadores de la Universidad Técnica Estatal de Don (DSTU, Rostov-on-Don en Rusia) afirman que una red neuronal capaz de predecir las propiedades de los polímeros miles de veces más rápido que otros programas ayudará a crear polímeros más resistentes y funcionales.
Los polímeros son compuestos químicos que consisten en muchas moléculas unidas entre sí en largas cadenas repetitivas (monómeros). Los materiales poliméricos son algunos de los más demandados en la industria, y los productos más populares incluyen empaques para alimentos, vajillas, botellas, objetos de silicona, llantas e incluso joyas.
Los nuevos polímeros se sintetizan regularmente en Rusia y en todo el mundo, pero el proceso de determinar sus propiedades, en particular su resistencia a altas temperaturas y diversos daños, sigue siendo un proceso laborioso y lento.
Los expertos de la Universidad Técnica Estatal de Don han señalado, sin embargo, que esto requiere la creación de un modelo matemático complejo, aunque no puede identificar correctamente todos los cambios en el material durante su larga vida útil.
«Hemos entrenado nuestra red neuronal para predecir las propiedades de deformación de los polímeros. Por lo tanto, fue posible descubrir las peculiaridades de los cambios de deformación en el material a lo largo del tiempo bajo la influencia de la tensión, la compresión, la flexión y la torsión. La inteligencia artificial procesa esto datos miles de veces más rápido que cualquier otro algoritmo», dijo Anton Chepurnenko, autor de la investigación y profesor del Departamento de Resistencia de Materiales de DSTU.
Los datos generados sobre la base de las curvas teóricas de relajación del estrés (el proceso de reordenamiento de la materia durante la transición de un estado de no equilibrio a un estado de equilibrio) se convirtieron en el material de entrenamiento, agregó el científico.
Ahora, basándose en los resultados del procesamiento de la información, los investigadores pueden hacer gráficos detallados de los cambios a lo largo del tiempo para los polímeros.
El científico señaló que la identificación de cambios en sus propiedades en función de la temperatura es particularmente valiosa. Los compuestos poliméricos se reblandecen a altas temperaturas, y ahora es posible establecer claramente el umbral de iniciación de deformaciones pronunciadas para cada compuesto.
«La red neuronal también ayuda a determinar las características de los polímeros secundarios, que se producen mediante el reciclaje de polímeros primarios. De esta manera, podemos averiguar cuánto cambiarán las características de la sustancia como resultado y si el material será completamente seguro. para su uso en la vida cotidiana», dijo el investigador.
El conocimiento detallado sobre las propiedades de los materiales puede expandir significativamente el campo de su aplicación, cree el científico. Por ejemplo, el cloruro de polivinilo reciclado es más rígido que el original, por lo que puede utilizarse no solo para la producción de elementos de revestimiento, sino también para estructuras que soportan cargas más graves.
Chepurnenko señaló además que la perspectiva futura de la investigación es entrenar aún más la red neuronal para trabajar con concreto y otros materiales.
DSTU participa en el programa estatal «Prioridad-2030» del gobierno ruso para apoyar a las universidades. Bajo el programa de desarrollo de la universidad hasta 2030, el DSTU implementa un proyecto estratégico «Ocho Puntos de Crecimiento» para garantizar un desarrollo innovador basado en un enfoque interdisciplinario con enfoque en áreas prioritarias.