La necesidad de separar sustancias útiles de desechos es un desafío que enfrenta la humanidad en múltiples frentes, desde la desalinización del agua hasta el tratamiento de residuos nucleares. Un equipo de investigadores de la Universidad Estatal de Carolina del Norte ha desarrollado un modelo de simulación que promete simplificar la creación de marcos organometálicos, materiales que facilitan la separación de sustancias. Este avance podría resultar en procesos más económicos y eficientes para la separación de productos de desecho de productos químicos valiosos.
Las separaciones químicas representan entre un 10% y un 15% del consumo energético mundial, lo que subraya la importancia de encontrar métodos más eficientes. Según Brian Space, jefe asociado del Departamento de Química en la mencionada universidad, los marcos organometálicos (MOFs) son una solución prometedora. Estos materiales, compuestos por átomos de carbono y metales, permiten que gases o líquidos atraviesen su estructura, facilitando así la captura de sustancias deseadas.
El reto consiste en modificar la química de los MOFs para que puedan atrapar selectivamente las moléculas que se desean recuperar, y luego liberarlas con un coste energético reducido. Space señala que, aunque la captura de agua es relativamente sencilla, encontrar un material que logre un equilibrio entre la captura y la liberación sin un gran consumo energético es más complicado, aunque no imposible.
Simulaciones computacionales para optimizar el diseño de MOFs
Para evitar el costoso proceso de ensayo y error en el diseño de estos materiales, el equipo de Space utiliza simulaciones por ordenador para predecir el comportamiento de los MOFs. En su investigación, han aprovechado los superordenadores de PSC, en particular Bridges-2, que les ha permitido llevar a cabo simulaciones complejas y precisas.
El proceso es similar a un intercambio entre la computación y el laboratorio: primero, el ordenador predice cómo se comportará un material en condiciones reales. Luego, los científicos lo prueban en el laboratorio, ajustando las simulaciones según los resultados obtenidos. Este enfoque permite mejorar continuamente las predicciones y, por ende, el diseño de los MOFs.
Una de las innovaciones más destacadas de este equipo es el desarrollo de un nuevo campo de fuerza conocido como PHAST 2.0, que incorpora inteligencia artificial. Este modelo se entrena con un conjunto de datos de 40 moléculas, lo que le permite aprender y mejorar sus predicciones. Posteriormente, se prueba con otro conjunto de moléculas para verificar su precisión.
La capacidad de realizar cálculos complejos ha sido fundamental para este avance. Las interacciones entre las moléculas son numerosas, y sin el apoyo de computadoras de alto rendimiento, el desarrollo de estos modelos sería inviable. Space destaca que Bridges-2 ha sido crucial para validar los resultados y optimizar el nuevo campo de fuerza.
En una prueba reciente, el equipo utilizó PHAST 2.0 para simular la separación de gases criptón y xenón, mostrando que este nuevo enfoque puede predecir el comportamiento de los MOFs de manera más efectiva que los métodos anteriores. Este éxito inicial abre la puerta a una serie de simulaciones más complejas que podrían tener aplicaciones en una variedad de tareas de separación química.
Los resultados de estas investigaciones se han publicado en el Journal of Chemical Theory and Computation, lo que refleja la relevancia y el impacto que estos avances pueden tener en el campo de la química y la sostenibilidad.
