Polímeros são compostos químicos que consistem em muitas moléculas unidas em longas cadeias repetidas, chamadas de monômeros. Os materiais poliméricos são alguns dos mais procurados na indústria, com os produtos mais populares incluindo embalagens de alimentos, talheres, garrafas, objetos de silicone, pneus e até joias.
Novos polímeros são sintetizados regularmente na Rússia e em todo o mundo, mas o processo de descobrir suas propriedades, em particular sua resistência a altas temperaturas e a várias formas de dano, continua sendo trabalhoso e demorado.
Especialistas da DGTU apontaram, no entanto, que isso requer a criação de um modelo matemático complexo, embora não possa identificar corretamente todas as mudanças no material durante sua longa vida útil.
"Treinamos nossa rede neural para prever as propriedades de deformação dos polímeros. Assim, tornou-se possível descobrir as peculiaridades das mudanças de deformação no material ao longo do tempo sob a influência de tensão, compressão, flexão e torção. A inteligência artificial processa esses dados milhares de vezes mais rápido do que qualquer outro algoritmo", disse o autor da pesquisa e professor do Departamento de Força de Materiais da DGTU, Anton Chepurnenko.
Os dados gerados com base nas curvas teóricas de relaxamento de tensão — o processo de rearranjo da matéria durante a transição de um estado de não equilíbrio para um estado de equilíbrio — se tornaram material para treinamento, acrescentou o cientista. Agora, com base nos resultados do processamento de informações, os pesquisadores podem fazer gráficos detalhados das mudanças para os polímeros ao longo do tempo.
O cientista observou a identificação de mudanças em suas propriedades em função da temperatura como particularmente valiosa. Os compostos poliméricos amolecem em altas temperaturas e agora é possível estabelecer claramente o limiar de iniciação de deformações pronunciadas para cada composto.
Chepurnenko está convencido de que isso vai permitir determinar melhor o escopo de aplicação de polímeros específicos e pode contribuir para a criação de compostos mais estáveis. Os resultados do estudo foram publicados na revista Polymers.
"A rede neural também auxilia a determinação das características dos polímeros secundários, que são produzidos pela reciclagem de polímeros primários. Dessa forma, podemos descobrir o quanto as características da substância mudarão como resultado e se o material será completamente seguro para uso na vida cotidiana", disse o pesquisador.
O conhecimento detalhado sobre as propriedades dos materiais pode ampliar significativamente o campo de sua aplicação, acredita o cientista. Por exemplo, o policloreto de vinila reciclado é mais rígido que o original, por isso pode ser usado não apenas para a produção de elementos de revestimento, mas para estruturas que suportam cargas mais sérias.
Chepurnenko observou ainda que a perspectiva futura da pesquisa é treinar ainda mais a rede neural para trabalhar com concreto e outros materiais.
A DGTU participa do programa estadual "Prioridade-2030" do governo russo para apoiar as universidades. No âmbito do programa de desenvolvimento da universidade até 2030, a DGTU implementa um projeto estratégico chamado "Oito Pontos de Crescimento" para garantir um desenvolvimento inovador que se baseia em uma abordagem interdisciplinar com foco em áreas prioritárias.