Universiteit Radboud start onderzoek naar de verf van de toekomst

Met behulp van high-throughput experimenten, waarbij meerdere experimenten tegelijkertijd uitgevoerd worden, kan er veel data verzameld worden. Deze data worden via kunstmatige intelligentie (AI) geanalyseerd om patronen te herkennen. Uit de patronen kunnen allerlei eigenschappen van nieuwe chemicaliën voorspeld worden, zoals smaak, geur of oplosbaarheid. Uiteindelijk wordt dit geïntegreerd in een volledig geautomatiseerd RobotLab.

1. High-throughput measurements and deep learning of polymer properties

Volgens de onderzoekers is dat dé oplossing voor problemen met polymeren. “In dit project zullen we met behulp van high-throughput experimenten en gebruik makend van robots voor het hanteren van vloeistoffen en vaste stoffen, de oplosbaarheid van 1000 polymeren in meer dan 25 verschillende oplosmiddelen bepalen en de viscositeit van polymeeroplossingen bij veel verschillende concentraties meten. Deze dataset zal worden gebruikt om een deep learning-model te trainen om de eigenschappen van polymeren in oplossing te voorspellen. De dataset voor polymeereigenschappen en het deep learning-model zullen de innovatie in de formuleringswetenschap versnellen.”

2. High-throughput analyses voor versneld ontwerp van complexe formuleringen van oppervlakte-actieve stoffen

Bijna elke formulering die we in ons dagelijks leven gebruiken, zoals shampoos, verf of cosmetica, bevat een mengsel van oppervlakte-actieve stoffen. De interacties tussen deze oppervlakte-actieve stoffen zijn echter moeilijk te voorspellen en daarom is het moeilijk om nieuwe formuleringen op een gerichte manier te ontwerpen. “In dit project zullen we methoden implementeren om belangrijke formuleringseigenschappen, zoals oppervlaktespanning, oplosbaarheid en schuimvorming, met hoge snelheid te analyseren. We zullen deze methoden gebruiken om een dataset te verzamelen waaruit we de relatie tussen de samenstelling van het mengsel van oppervlakte-actieve stoffen en de formuleringseigenschappen kunnen leren. Deze dataset en dit model zullen daarmee het ontwerp van nieuwe formuleringen versnellen.”

3. Geautomatiseerde navigatie van bio-gebaseerde bouwsteen-implementatie in complexe verfformuleringen

Een belangrijke uitdaging bij de formulering van complexe verfoplossingen is het introduceren van bio-gebaseerde polymeerbindmiddelen als vervangers voor olie-gebaseerde ingrediënten. “Het formuleren van een nieuwe verbinding in dispersies of emulsies met rheologische eigenschappen (rheologie = alles wat met vloeigedrag te maken heeft) van verf vereist het navigeren door zeer multidimensionale parameterruimtes van polymeerstructuren, additieven (o.a. dispergeermiddelen, co-oplosmiddelen, surfactanten), concentraties en bereidingsprotocollen. Gebruikmakende van polyhydroxyalkanoaten als een platform van biogebaseerde verf bindmiddelen zullen we high-throughput-methodologieën en machine learning-strategieën ontwikkelen. Deze zullen de noodzakelijke overgang naar 'de verf van de toekomst' aanzienlijk versnellen, en uiteindelijk ook helpen bij het voorstellen van geschikte moleculaire structuren als nieuwe bio-gebaseerde verfingrediënten.”