La fabricación de estructuras complejas a partir de nanopartículas de polímeros, ya sea para la computación fotónica o para crear células solares, normalmente supone un costoso proceso de prueba y error en el laboratorio. Los teóricos esperan poder simplificar este proceso mediante el desarrollo de modelos informáticos que generen aquellas recetas que siempre salen bien, aunque hasta ahora, las recetas generadas han sido demasiado complejas como para crearlas en el laboratorio. Ahora, y con el objetivo de hacer que estos algoritmos sean de utilidad para los químicos, un grupo de científicos informáticos de Microsoft han simplificado un modelo que crea recetas para elaborar materiales auto-ensamblados.

Los nuevos modelos de Microsoft, descritos en el número de esta semana de Proceedings of the National Academy of Sciences, tiene como objetivo incrementar la velocidad con la que se diseñan las nuevas estructuras auto-ensambladas. A partir del método de prueba y error, los científicos de materiales han empleado nanopartículas para crear estructuras a lo que se conoce como mesoescala. Estas series ordenadas de partículas a nanoescala poseen unas notables propiedades ópticas, eléctricas y de otro tipo, aunque son difíciles e producir. “Hay una grave falta de teoría,” afirma Mila Boncheva, científica senior en Firmenich, en Ginebra, y que jugó un papel muy importante durante la fase inicial del proceso de investigación de este tipo de auto-ensamblado en la Universidad de Harvard. “Lo que la gente suele hacer hoy día en términos de diseño es, mayormente, basarse en el sentido común para llevar a cabo procesos de prueba y error.” El modelo teórico tiene como objetivo ayudar a los científicos de materiales a que averigüen más rápidamente qué materiales y qué condiciones son las más apropiadas para el auto-ensamblado de una estructura en particular.

“Si tienes en mente una silueta o forma, el modelo te dirá cómo conseguirla,” afirma Henry Cohn, investigador principal en Microsoft Research New England, y que dirigió el estudio con el profesor asistente de matemáticas de MIT Abhinav Kumar. Las propiedades de los materiales estructurados a nivel de mesoescala están, en gran medida, determinadas por la forma en que los componentes individuales, ya sean polímeros o nanopartículas, están ordenados entre ellos y en relación el uno al otro. Por ejemplo, las nano partículas de plata que flotan en una solución reflejan la luz de forma distinta dependiendo de la proximidad entre ellas—un principio que está siendo utilizado para diseñar dispositivos de computación fotónica.

El hecho de que las partículas se acaben ensamblando o no dentro de una estructura particular viene determinado por las fuerzas entre ellas. Las cargas eléctricas, por ejemplo, juegan un papel importante a la hora de determinar si dos partículas se atraerán o repelerán entre sí. El modelo de Microsoft genera un mapa que muestra la intensidad que deben poseer estas fuerzas. Dentro de una estructura en particular, ¿es esta la energía potencial que debería darse entre cada una de las partículas y sus partículas colindantes? Estos modelos vienen a llamarse funciones potenciales.

“Es fácil diseñar funciones potenciales [en un ordenador], y es verdaderamente, verdaderamente difícil diseñarlas en la realidad,” señala George Whitesides, profesor de química en la Universidad de Harvard y pionero en el auto-ensamblado. Para generar estas fuerzas es necesario averiguar qué modificaciones a estas partículas—es decir, añadir más grupos con carga positiva a los polímeros—acabarán generando las fuerzas apropiadas entre las partículas individuales y conducirán al ensamblaje de la estructura deseada.

Cohn afirma que el objetivo de su estudio es acortar la distancia entre la teoría y la realidad. Las versiones anteriores de estos algoritmos generaban instrucciones muy complejas que había que seguir para lograr unir las estructuras, estipulando que era necesario cumplir una gran serie de parámetros para hacer que la estructura se ensamblase. “Si tienes la posibilidad de crear funciones potenciales elaboradas, puedes también acabar haciendo cosas con un alto nivel de elaboración” y crear materiales maravillosos dentro del ordenador, afirma. Cohn afirma que la pregunta que los teóricos se hacen hoy día es “¿resulta posible lograr más utilizando un tipo de interacciones más sencillas?”

Los investigadores de Microsoft y MIT han dado un paso importante hacia esta simplificación, afirma Salvatore Torquato, profesor de química en el Instituto Princeton de Ciencia y Tecnología de los Materiales. Sus modelos, en comparación con modelos anteriores, requieren un número mucho más pequeño de este tipo de relaciones de energía potencial. “Gracias a esto pasamos de algo muy hipotético a algo más realista que se puede producir en el laboratorio,” afirma Torquato. La sofisticación del modelo de Microsoft viene, en parte, gracias al uso de ideas provinientes de la teoría de la información.

El siguiente paso es trabajar con los químicos para crear una de estas estructuras predecibles en el laboratorio. “Creo que la ciencia de los materiales del futuro se llevará a cabo de esta forma,” afirma Torquato de los modelos por ordenador. Whitesides cree que los teóricos aún están lejos de vislumbrar ese tipo de futuro puesto que aún no está claro si los tipos de funciones que Cohn está desarrollando se puede utilizar para crear estructuras de auto-ensamblado o no, o si quizá algún otro tipo de enfoque teórico acabe resultando más útil. Sin embargo, el trabajo en este tipo de algoritmos, afirma Whitesides, “merece la pena, puesto que los resultados nos ayudarán a definir qué es lo que necesitamos hacer” para que acaben siendo de utilidad.