Acelerar el descubrimiento de líquidos iónicos energéticos: una estrategia de fusión sinérgica para la predicción de...

Área de la Ciencia:

• Ciencias de los materiales
• Química computacional
• Ingeniería Química

Sus antecedentes:

• Los líquidos iónicos energéticos (EIL) son materiales energéticos avanzados con propiedades deseables como baja presión de vapor y estructuras sintonizables.
• El desarrollo actual de EIL se basa en gran medida en métodos empíricos, lo que dificulta la exploración de nuevos espacios químicos y la predicción precisa del rendimiento.

Objetivo del estudio:

• Establecer un marco computacional predictivo para los EIL.
• Permitir una predicción precisa y a priori de las métricas de rendimiento críticas del EIL.
• Acelerar el descubrimiento y diseño de nuevos líquidos iónicos energéticos.

Principales métodos:

• Curado una base de datos EIL completa de la literatura existente.
• Descriptores moleculares integrados y diversos (electrónicos, topológicos y termodinámicos).
• Empleó una característica combinada y una estrategia de fusión de modelos con conjuntos de aprendizaje automático.

Principales resultados:

• Predijo con éxito ocho propiedades clave de EIL, incluida la densidad, el punto de fusión y la temperatura de descomposición.
• Se ha logrado una alta precisión, con modelos de temperatura y densidad de descomposición que muestran una excelente generalización (MAE < 22,2 °C y 0,032 g·cm−3, respectivamente).
• Demostró una alternativa escalable y basada en datos al cribado experimental para el desarrollo de EIL.

Conclusiones:

• El marco desarrollado une eficazmente los descriptores moleculares con el rendimiento macroscópico.
• Este enfoque de predicción de múltiples propiedades mejora la precisión y la eficiencia en el diseño de EIL.
• Proporciona una poderosa herramienta computacional para acelerar el descubrimiento de materiales energéticos de próxima generación.