ابزار جدید برای پیش‌بینی خواص پلیمر!
یک تیم بین‌رشته‌ای از محققان، ابزار مدل‌سازی ریاضی قدرتمندی را طراحی کرده اند که به محققان اجازه می‌دهد تا خصوصیات شبکه‌های پلیمری را حتی قبل از این که آن‌ها ایجاد شوند، پیش‌بینی کنند.
شبکه‌های پلیمری از زنجیره‌های بلندی از مولکول‌ها مانند رشته‌ای از مروارید یا اسپاگتی تشکیل شده اند. این مدل جدید ارتباطات بین رشته‌های اسپاگتی مانند را پیش بینی 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 از جمله لاستیک‌ها، پوشش‌ها، چسب‌ها و لوازم‌های آرایشی داشتند.
پروفسور D’hooge گفت: “برای اولین بار، این یک ابزار پیش‌بینی برای خواص مواد مربوط به شبکه‌ها است – از کوچک‌ترین بلوک سازنده مولکول تا این که 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 ابرمولکولی جدید در حوزه‌هایی مانند دارورسانی، انتقال ژن و کاربردهای زیست‌پزشکی 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 می‌ایند.
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 در حالی که محققان مدل‌سازی محاسباتی، شیمی مصنوعی و علم مواد را گرد هم می‌آورند.
پروفسور Barner-Kowollik گفت: “پیش‌رفت‌های اخیر شیمی شامل خواص غیر متعارفی مانند خود ترمیمی، رسانایی و واکنش به محرک در شبکه‌های پلیمری است در حالی که 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 – واقعاً دشوار 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 ناشناخته ها را از آزمایش ها 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».
“این گامی در جهت آن است.”
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 “فوق العاده هیجان زده” 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 می دهد که چگونه بناکننده‌های مولکولی را می‌توان هم از لحاظ زمانی و مکانی برای ایجاد ساختارهای دقیق مواد از جمله نقص‌ها و روابط ساختار-خاصیت در نتیجه” مونتاژ کرد.
پروفسور Reinhold Dauskardt گفت: «این ترکیب از هر دو سینتیک و مونتاژ فضایی مولکولی تا به حال به دست نیامده بود.”
لینک خبر:
https://phys.org/news/2021-09-tool-polymer-properties.html
Computational prediction of the molecular
همراهان عزیز می‌توانند جهت برقرای ارتباطات دوسویه، انتقال سوالات، نظرات و پیشنهادات سازنده خود از طریق پست الکترونیک زیر ما را یاری فرمایند.
info@fara-ps.com