Avances en el Modelado Computacional y el Aprendizaje Automático de Biopolímeros Celulósicos: Una Revisión Integral

Área de la Ciencia:

• Materiales celulares de base biológica
• Ciencia computacional de materiales
• Ingeniería de materiales sostenibles

Sus antecedentes:

• La celulosa, la hemicelulosa y la lignina ofrecen propiedades sostenibles y versátiles.
• El modelado computacional y el aprendizaje automático proporcionan información profunda sobre el comportamiento de los biopolímeros.

Objetivo del estudio:

• Revisar y categorizar estudios sobre materiales celulares de base biológica según propiedades clave.
• Discutir métodos computacionales y su aplicación en la comprensión del comportamiento de los biopolímeros.
• Conectar la comprensión molecular con la funcionalidad macroscópica para el diseño de materiales.

Principales métodos:

• Enfoques de mecánica cuántica
• Dinámica molecular atomística y de grano grueso
• Modelado de elementos finitos
• Técnicas de aprendizaje automático

Principales resultados:

• Las simulaciones atomísticas muestran una alta anisotropía en la respuesta elástica de los nanocristales de celulosa (módulo axial de 100-200 GPa).
• La conductividad térmica es significativamente mayor a lo largo del eje de la cadena de celulosa (≈5,7 W m⁻¹ K⁻¹) que transversalmente (≈0,7 W m⁻¹ K⁻¹).
• Las aplicaciones de aprendizaje automático para sistemas de biopolímeros han aumentado más de cuatro veces en cinco años.

Conclusiones:

• La integración de modelos multiescala y enfoques basados en datos acelera el diseño de materiales bioinspirados de alto rendimiento.
• Las direcciones futuras implican el aprovechamiento de estas técnicas para el diseño y la aplicación de materiales sostenibles de próxima generación.
• La conexión de los conocimientos a nivel molecular con las propiedades macroscópicas permite el diseño racional de materiales avanzados de base biológica.