.
Um novo tipo de membrana polimérica criada por pesquisadores da Georgia Tech poderia remodelar a forma como as refinarias processam o petróleo bruto, reduzindo drasticamente a energia e a água necessárias enquanto extraem materiais ainda mais úteis.
Os chamados polímeros DUCKY – mais sobre o nome incomum em um minuto – serão relatados em 16 de outubro em Materiais da Natureza. E eles são apenas o começo para a equipe de químicos, engenheiros químicos e cientistas de materiais da Georgia Tech. Eles também criaram ferramentas de inteligência artificial para prever o desempenho desses tipos de membranas poliméricas, o que poderia acelerar o desenvolvimento de novas.
As implicações são gritantes: a separação inicial dos componentes do petróleo bruto é responsável por cerca de 1% da energia utilizada em todo o mundo. Além disso, a tecnologia de separação por membranas que os investigadores estão a desenvolver poderá ter diversas utilizações, desde biocombustíveis e plásticos biodegradáveis até produtos de pasta de papel e papel.
“Estamos estabelecendo aqui conceitos que podemos usar com diferentes moléculas ou polímeros, mas os aplicamos ao petróleo bruto porque esse é o alvo mais desafiador no momento”, disse MG Finn, professor e presidente da família James A. Carlos na Escola. de Química e Bioquímica.
O petróleo bruto no seu estado bruto inclui milhares de compostos que têm de ser processados e refinados para produzir materiais úteis – gás e outros combustíveis, bem como plásticos, têxteis, aditivos alimentares, produtos médicos e muito mais. Espremer o material valioso envolve dezenas de etapas, mas começa com a destilação, um processo que consome muita água e energia.
Os pesquisadores têm tentado desenvolver membranas para fazer esse trabalho, filtrando as moléculas desejáveis e evitando toda a fervura e resfriamento.
“O petróleo bruto é uma matéria-prima extremamente importante para quase todos os aspectos da vida, e a maioria das pessoas não pensa em como ele é processado”, disse Ryan Lively, professor Thomas C. DeLoach Jr. na Escola de Engenharia Química e Biomolecular. “Esses sistemas de destilação são grandes consumidores de água, e as membranas simplesmente não o são. Eles não usam calor ou combustão. Eles apenas usam eletricidade. Você poderia ostensivamente operá-los a partir de uma turbina eólica, se quisesse. É apenas um sistema fundamentalmente diferente maneira de fazer uma separação.”
O que torna a nova fórmula de membrana da equipe tão poderosa é uma nova família de polímeros. Os pesquisadores usaram blocos de construção chamados monômeros espirocíclicos que se agrupam em cadeias com muitas voltas de 90 graus, formando um material tortuoso que não se comprime facilmente e forma poros que se ligam seletivamente e permitem a passagem de moléculas desejáveis. Os polímeros não são rígidos, o que significa que são mais fáceis de fabricar em grandes quantidades. Eles também têm uma flexibilidade ou mobilidade bem controlada que permite que os poros da estrutura de filtragem correta entrem e desapareçam ao longo do tempo.
Os polímeros DUCKY são criados através de uma reação química fácil de produzir em uma escala que seria útil para fins industriais. É um sabor de uma família de reações ganhadora do Prêmio Nobel chamada química de clique, e é isso que dá nome aos polímeros. A reação é chamada de cicloadição de azida-alcino catalisada por cobre – abreviada como CuAAC e pronunciada como “charlatão”. Assim: Polímeros DUCKY.
Isoladamente, as três características principais das membranas poliméricas não são novas; é sua combinação única que os torna uma novidade e eficaz, disse Finn.
A equipe de pesquisa incluiu cientistas da ExxonMobil, que descobriram o quão eficazes as membranas poderiam ser. Os cientistas da empresa pegaram no mais bruto dos componentes do petróleo bruto – a lama deixada no fundo após o processo de destilação – e empurraram-no através de uma das membranas. O processo extraiu materiais ainda mais valiosos.
“Na verdade, esse é o caso de negócios para muitas pessoas que processam petróleo bruto. Eles querem saber o que podem fazer de novo. Uma membrana pode produzir algo novo que a coluna de destilação não consegue?” Lively disse. “É claro que a nossa motivação secreta é reduzir as pegadas energética, de carbono e hídrica, mas se pudermos ajudá-los a fabricar novos produtos ao mesmo tempo, será uma situação vantajosa para todos.”
Prever tais resultados é uma forma pela qual os modelos de IA da equipe podem entrar em ação. Em um estudo relacionado publicado recentemente em Comunicações da NaturezaLively, Finn e pesquisadores do laboratório Georgia Tech de Rampi Ramprasad descreveram o uso de algoritmos de aprendizado de máquina e simulações de transporte de massa para prever o desempenho de membranas poliméricas em separações complexas.
“Todo esse pipeline, eu acho, é um desenvolvimento significativo. E também é o primeiro passo em direção ao design real de materiais”, disse Ramprasad, professor e presidente da família Michael E. Tennenbaum na Escola de Ciência e Engenharia de Materiais. “Chamamos isso de ‘problema futuro’, o que significa que você tem um material e uma mistura que entra – o que sai? Esse é um problema de previsão. O que queremos fazer eventualmente é projetar novos polímeros que atinjam um determinado desempenho de permeação alvo .”
Misturas complexas como o petróleo bruto podem ter centenas ou milhares de componentes, portanto descrever com precisão cada composto em termos matemáticos, como ele interage com a membrana e extrapolar o resultado é “não trivial”, como disse Ramprasad.
O treinamento dos algoritmos também envolveu a análise de toda a literatura experimental sobre difusão de solventes através de polímeros para construir um enorme conjunto de dados. Mas, assim como o potencial das próprias membranas para remodelar o refino, saber antecipadamente como uma membrana polimérica proposta poderia funcionar aceleraria um processo de design de materiais que agora é basicamente tentativa e erro, disse Ramprasad.
“A abordagem padrão é fabricar o material e testá-lo, e isso leva tempo. Essa abordagem orientada por dados ou baseada em aprendizado de máquina usa o conhecimento passado de uma maneira muito eficiente”, disse ele. “É um parceiro digital: não há garantia de uma previsão exata, porque o modelo é limitado pelo espaço abrangido pelos dados que você usa para treiná-lo. Mas pode extrapolar um pouco e pode levá-lo em novas direções, potencialmente . Você pode fazer uma triagem inicial pesquisando em vastos espaços químicos e tomar decisões antecipadas.
Lively disse que há muito tempo é cético quanto à capacidade das ferramentas de aprendizado de máquina de lidar com os tipos de separações complexas com as quais trabalha.
“Eu sempre disse: ‘Não acho que seja possível prever a complexidade do transporte através de membranas poliméricas. Os sistemas são muito grandes; a física é muito complicada. Não é possível fazer isso’”.
Mas então ele conheceu Ramprasad: “Em vez de ser apenas um pessimista, Rampi e eu tentamos fazer isso com alguns estudantes, construímos um grande banco de dados e, caramba. Na verdade, você consegue”, disse Lively.
O desenvolvimento das ferramentas de IA também envolveu a comparação das previsões dos algoritmos com os resultados reais, inclusive com as membranas poliméricas DUCKY. Os experimentos mostraram que as previsões dos modelos de IA estavam entre 6% e 7% das medições reais.
“É surpreendente”, disse Finn. “Minha carreira foi gasta tentando prever o que as moléculas farão. A abordagem de aprendizado de máquina e a execução dela por Rampi são completamente revolucionárias.”
Esta pesquisa foi apoiada pelo Departamento de Energia dos EUA, concessão nº DE-EE0007888; o Conselho Europeu de Investigação, bolsa n.º 758370; a Fundação Educacional Kwanjeong; uma bolsa de pesquisa da Royal Society University; e a Empresa de Tecnologia e Engenharia ExxonMobil. Quaisquer opiniões, descobertas e conclusões ou recomendações expressas neste material são de responsabilidade dos autores e não refletem necessariamente a opinião de qualquer agência financiadora.
.
