L'université Radboud explore la peinture de demain

Pour y parvenir, les chercheurs s’appuient sur des expériences à haut débit : des centaines de tests réalisés en parallèle, qui génèrent une masse de données ensuite analysées par intelligence artificielle (IA). L’IA permet de reconnaître des motifs et de prédire les propriétés de nouveaux produits chimiques – comme leur solubilité, leur viscosité ou certaines caractéristiques sensorielles. À terme, ces méthodes seront intégrées dans un RobotLab entièrement automatisé.

1. Mesurer et prédire les propriétés des polymères

Les chercheurs veulent résoudre l’un des grands défis de la chimie des polymères. "Dans le cadre d'expériences à haut débit menées l’aide de robots de manipulation, nous allons tester la solubilité de 1 000 polymères dans plus de 25 solvants différents, puis mesurer la viscosité de leurs solutions à diverses concentrations. Ces données alimenteront un modèle d’apprentissage profond capable de prédire les propriétés de nouveaux polymères, accélérant ainsi la recherche en formulation."

2. Accélérer la conception de formulations à base de tensioactifs

Shampooings, peintures, cosmétiques : la plupart des formulations du quotidien contiennent un mélange de tensioactifs (agents de surface). Mais leurs interactions sont difficiles à anticiper, ce qui complique la mise au point de nouvelles formulations. "Le projet vise à mettre en place des méthodes rapides pour analyser leurs propriétés clés (tension superficielle, solubilité, moussage). Les ensembles de données générés permettront de mieux comprendre le lien entre la composition et les performances, ouvrant la voie à des formulations conçues de manière beaucoup plus ciblée et accélérant le développement."

3. Navigation automatisée pour la mise en œuvre de blocs de construction biosourcés dans les formulations de peinture complexes

Introduire des polymères d’origine biologique en remplacement des ingrédients pétrosourcés dans des formulations complexes reste un défi majeur. "Formuler un nouveau composé dans des dispersions ou émulsions de type peinture implique de jongler avec une multitude de paramètres : structures de polymères, additifs (dispersants, co-solvants, tensioactifs), concentrations et protocoles de préparation. Nous miserons sur les polyhydroxyalcanoates, une famille de polymères biosourcés, pour développer des méthodes à haut débit associées à l’apprentissage automatique. L’objectif : accélérer la transition vers la peinture durable du futur et identifier de nouvelles structures moléculaires adaptées aux besoins de l’industrie."