Descubre cómo los productos químicos en la industria alimentaria mejoran la seguridad, calidad y conservación de los alimentos. En DALGAR ofrecemos soluciones innovadoras para optimizar los procesos de producción.
Seguir leyendo
¿En qué consiste la biosorción y cómo puede beneficiar a las empresas? A continuación, exploramos en detalle esta solución y sus ventajas más destacadas.
Seguir leyendo
¿En qué consiste la biosorción y cómo puede beneficiar a las empresas? A continuación, exploramos en detalle esta solución y sus ventajas más destacadas.
Seguir leyendo
Los científicos de la Universidad de Carolina del Sur y de la Universidad de Columbia han desarrollado una forma más rápida de diseñar y fabricar membranas de productos químicos industriales que podrían reducir las emisiones de gases de efecto invernadero y disminuir la contaminación.
Su nuevo método, publicado en Science Advances, mezcla el aprendizaje de las máquinas con la química industrial para diseñar y desarrollar nuevas membranas de separación de gases más rápidamente. Recientes experimentos aplicando este enfoque dieron como resultado nuevos materiales poliméricos que separan los gases mejor que cualquier otra membrana filtrante conocida.
El descubrimiento podría revolucionar la forma en que se diseñan y crean los nuevos productos químicos, dijo Brian Benicewicz, el profesor de química industrial de la Universidad de Carolina del Sur SmartState.
Elimina las conjeturas y el viejo trabajo de ensayo y error, que es muy ineficaz, dijo Benicewicz. No tienes que hacer cientos de materiales diferentes y probarlos. Ahora dejas que la máquina aprenda. Puede reducir tu búsqueda
Las películas plásticas o membranas de insumos químicos se utilizan a menudo para filtrar gases. Benicewicz explicó que estas membranas industriales sufren un compromiso entre la selectividad y la permeabilidad – un material químico que deja pasar un gas es poco probable que detenga una molécula de otro gas. «Estamos hablando de algunas moléculas realmente pequeñas», dijo Benicewicz. «La diferencia de tamaño es casi imperceptible. Si quieres mucha permeabilidad, no vas a conseguir mucha selectividad».
Benicewicz y sus colaboradores de la Universidad de Columbia querían ver si los grandes datos podrían diseñar una membrana química más efectiva.
El equipo de la Universidad de Columbia creó un algoritmo de aprendizaje automático que analizó la estructura química y la eficacia de las membranas industriales existentes utilizadas para separar el dióxido de carbono del metano. Una vez que el algoritmo pudo predecir con precisión la efectividad de una membrana química, dieron vuelta la pregunta: ¿Qué estructura química haría la membrana de separación de gas ideal?
Para comprender esto, Sanat K. Kumar, el profesor Bykhovsky de Ingeniería Química en Columbia, lo comparó con el método de Netflix para recomendar películas. Examinando lo que un espectador ha visto y le ha gustado antes, Netflix determina las características que el espectador disfruta y luego encuentra videos para recomendar. Su algoritmo analizó las estructuras químicas de las membranas industriales existentes y determinó qué estructuras serían más efectivas.
La computadora produjo una lista de 100 materiales hipotéticos que podrían superar los límites actuales. Benicewicz, que dirige un grupo de investigación de química industrial, identificó dos de las estructuras propuestas que se podrían fabricar.
Laura Murdock, una estudiante de doctorado en química industrial de la UofSC, fabricó los polímeros industriales prescritos y los moldeó en películas delgadas.Cuando se probaron las membranas químicas, su eficacia estaba cerca de la predicción del ordenador y muy por encima de los límites presumidos.
Su rendimiento era muy bueno, mucho mejor que lo que se había hecho anteriormente, dijo Murdock. Y fue bastante fácil. Tiene el potencial para el uso comercial.
La separación del dióxido de carbono y el metano tiene una aplicación inmediata en la industria del gas natural; el CO₂ debe ser removido del gas natural para prevenir la corrosión en las tuberías. Pero Murdock dijo que el método de utilizar grandes datos para eliminar las conjeturas del proceso lleva a otra pregunta: ¿A qué otros materiales poliméricos podemos aplicar el aprendizaje automático y crear mejores productos químicos para todo tipo de aplicaciones?
Benicewicz dijo que el aprendizaje automático podría ayudar a los científicos a diseñar nuevas membranas industriales para separar los gases de efecto invernadero del carbón, lo que puede ayudar a reducir el cambio climático.
Este trabajo apunta, por lo tanto, a una nueva forma de diseño de materiales químicos, dijo Kumar. En lugar de probar todos los materiales químicos que existen para una aplicación particular, se busca la parte de un material químico que mejor sirva a la necesidad que se tiene. Cuando combinas los mejores materiales químicos, tienes la oportunidad de diseñar un producto químico mejor.