La IA ayuda a los químicos a desarrollar plásticos más resistente, duraderos y sostenibles
La inteligencia artificial está revolucionando la química de materiales, al ayudar a descubrir moléculas que refuerzan los plásticos y prolongan su vida útil, como los mecanóforos de ferroceno. Un avance del MIT y la Universidad Duke promete reducir residuos y abrir una nueva era de materiales inteligentes y sostenibles.
Por Enrique Coperías
Imagen conceptual de una red polimérica estirada con moléculas de ferroceno (en naranja) actuando como fusibles moleculares, descubiertas mediante inteligencia artificial por investigadores del MIT y la Universidad Duke para crear plásticos más resistentes, duraderos y sostenibles. Imagen generada con DALL-E
En el universo de la química de materiales hay un tipo de moléculas que actúan como diminutos sensores o fusibles moleculares: los mecanóforos.
Hablamos de compuestos capaces de modificar su estructura molecular o propiedades cuando se les somete a una tensión mecánica. Esta respuesta puede aprovecharse para desarrollar, entre otras cosas, polímeros más duraderos, materiales autorreparables, sensores de tensión en estructuras críticas y sistemas de liberación controlada de fármacos.
Un equipo de investigadores del Instituto Tecnológico de Massachusetts (MIT) y la Universidad Duke, en Estados Unidos, ha llevado este concepto un paso más allá al combinar la química computacional, el aprendizaje automático y la experimentación en laboratorio. Su objetivo: identificar mecanóforos que, en lugar de debilitar un material, lo refuercen. Y lo han logrado con una estrategia que podría ayudar a fabricar plásticos más resistentes al desgarro, prolongar su vida útil y reducir residuos plásticos.
Ferrocenos: la familia de compuestos que puede revolucionar los plásticos
La clave de su estudio está en una familia de compuestos llamados ferrocenos, que contienen un átomo de hierro atrapado entre dos anillos de carbono (ciclopentadienilos).
Aunque se conocen miles de variantes, la mayoría de ellas nunca se había evaluado como mecanóforos.
Heather Kulik, profesora de Ingeniería Química en el MIT y autora principal, resume así su potencial en un comunicado de esta institución: «Estas moléculas pueden ser útiles para fabricar polímeros que se vuelvan más fuertes en respuesta a la fuerza mecánica. Les aplicas tensión y, en lugar de agrietarse o romperse, muestran mayor resistencia».
El hallazgo del MIT y Duke: usar la IA para encontrar enlaces débiles que refuerzan
En 2023, Stephen Craig, profesor de Química en Duke, y Jeremiah Johnson, del MIT, publicaron un hallazgo curioso: introducir enlaces débiles como crosslinkers, o sea, agentes de entrecruzamiento, en una red polimérica podía reforzar el material plástico.
El truco radica en que, al propagarse una grieta, las cadenas poliméricas prefieren romper esos enlaces débiles antes que otros más fuertes. Esto obliga a la grieta a seguir un recorrido más costoso en términos de energía, lo que aumenta la resistencia global del material.
Con esta idea en mente, Craig y Kulik decidieron buscar mecanóforos que funcionaran como esos eslabones débiles estratégicos. El reto era enorme: de todas las moléculas posibles, ¿cómo elegir las más prometedoras sin pasar años en pruebas?
«Teníamos una nueva oportunidad mecánica y química, pero también un gran desafío: de todas las composiciones posibles, ¿cómo dar con las de mayor potencial? —recuerda Craig. Y añade—: Todo el mérito es para Heather e Ilia por identificar el reto y diseñar un enfoque para abordarlo».
De 12.000 moléculas a un puñado de candidatas
El equipo de investigadores empezó con la Cambridge Structural Database (CSD), que contiene miles de estructuras moleculares de ferrocenos ya sintetizados. Esto eliminaba una gran incertidumbre: la viabilidad de producirlos en el laboratorio.
«Sabíamos que no tendríamos que preocuparnos de si se podían sintetizar, al menos en lo que respecta al mecanóforo en sí. Esto nos permitió explorar un espacio químico enorme, con mucha diversidad y realista desde el punto de vista sintético», explica Ilia Kevlishvili, investigador posdoctoral en el MIT y primer autor del trabajo.
De la CSD extrajeron unas 5.000 estructuras únicas, que con variaciones de orientación de los puntos de anclaje al polímero sumaron unas 12.000 moléculas. Probar cada una experimentalmente llevaría décadas. Incluso simularlas todas mediante sistemas tradicionales —como el CoGEF, un método computacional que simula cómo una molécula se deforma y se rompe cuando se le aplica una fuerza mecánica, y predice la fuerza necesaria para la rotura de enlaces— sería prohibitivo, porque cada cálculo detallado requiere días.
Optaron entonces por una estrategia mixta: simular un subconjunto representativo de unas cuatrocientas moléculas y usar esos resultados para entrenar una red neuronal artificial capaz de predecir la fuerza máxima (Fmax) necesaria para activar la rotura en el resto.
Una nueva estrategia para reforzar materiales poliméricos podría dar lugar a plásticos más duraderos y reducir los residuos plásticos, según informan investigadores del MIT y la Universidad Duke. Cortesía: David W. Kastner.
Lo que vio la IA (y los químicos no habrían adivinado)
El modelo de aprendizaje automático detectó dos factores clave que correlacionaban con una mayor capacidad de refuerzo del polímero:
✅ Interacciones no covalentes entre grupos químicos en los anillos de ferroceno (puentes de hidrógeno, apilamientos π), que bloquean la rotación y facilitan una rotura controlada.
✅ Sustituyentes voluminosos en ambos anillos, que aumentaban la probabilidad de que la molécula se rompiera bajo tensión mecánica.
El primer punto no sorprendió demasiado: las interacciones no covalentes ya se conocían como moduladores de reactividad química. El segundo, en cambio, fue inesperado.
«Esto fue realmente sorprendente —admite Kulik—. No es algo que un químico hubiera predicho de antemano, y sin IA no lo habríamos detectado».
Del laboratorio virtual al físico: el caso de éxito m-TMS-Fc
Entre los más de cien candidatos destacados, uno llamó especialmente la atención: m-TMS-Fc, un ferroceno al que se le añadieron unas piezas químicas llamadas grupos trimetilsililo en un lugar concreto del anillo (posición meta). Las simulaciones sugerían que estos grupos podían estabilizar el estado de transición de la rotura molecular gracias a interacciones con el átomo de hierro, reduciendo así la Fmax, o sea, la fuerza máxima que una molécula puede soportar antes de que se rompa un enlace químico cuando se le aplica tensión.
El laboratorio de Craig incorporó m-TMS-Fc como entrecruzador en redes de poli(n-butil acrilato), un plástico flexible. El resultado fue contundente: el material resistía aproximadamente cuatro veces más energía de desgarro que el mismo polímero con ferroceno estándar como crosslinker.
“Si pensamos en todos los plásticos que usamos y la acumulación de residuos plásticos, hacer materiales más resistentes significa que durarán más, se podrán usar durante más tiempo y eso podría reducir la producción de plástico a largo plazo», sostiene Kevlishvili.
Cómo el refuerzo mecanoquímico mejora la resistencia al desgarro
A nivel molecular, el refuerzo mecanoquímico se debe a que, cuando la cadena polimérica está bajo tensión, los enlaces m-TMS-Fc se rompen antes que la cadena principal.
Esta rotura selectiva alarga la porción de cadena polimérica sometida a máxima tensión, permitiendo que almacene más energía elástica antes de ceder., según Kulik.
En pruebas estandarizadas de tracción y desgarro (método Rivlin-Thomas), las redes con m-TMS-Fc alcanzaron energías de desgarro de 183 J/m², frente a 82 J/m² para el ferroceno convencional y 38 J/m² para el entrecruzador orgánico de referencia.
Mecanóforos que cambian de color y liberan fármacos
El éxito con m-TMS-Fc es solo el principio. El equipo planea aplicar su enfoque de aprendizaje automático a mecanóforos con otras propiedades útiles: que cambien de color para indicar tensión, que activen catalizadores o que liberen fármacos bajo fuerza mecánica.
Aunque los mecanóforos orgánicos son los más comunes, Kulik señala que los que contienen metales de transición están poco explorados.
«Los mecanóforos con metales de transición –señala Kulik— son relativamente desconocidos y probablemente un poco más difíciles de fabricar. Este flujo de trabajo computacional puede usarse de forma amplia para ampliar el espacio de mecanóforos estudiados”.
Un método transferible
La metodología desarrollada es replicable y adaptable:
1️⃣ Seleccionar, organizar y depurar una base de datos de compuestos conocidos o generados virtualmente.
2️⃣ Simular un subconjunto para obtener datos de referencia.
3️⃣ Entrenar un modelo de IA con descriptores estructurales sencillos.
4️⃣ Filtrar y priorizar candidatos con alta probabilidad de cumplir el objetivo.
5️⃣ Analizar mecanismos moleculares y validar computacionalmente.
6️⃣ Sintetizar y probar a nivel molecular y en materiales reales.
Este proceso podría aplicarse incluso cuando no hay una gran biblioteca experimental previa: bastaría con generar virtualmente variaciones moleculares de una molécula base y estimar su accesibilidad sintética.
Impacto ambiental y beneficios para la economía circular
Más allá del avance científico, hay un objetivo de fondo: materiales más resistentes significan menos reemplazos, menos producción de plástico y, en consecuencia, menos residuos plásticos. En un contexto de crisis ambiental por acumulación de plásticos, alargar la vida útil de estos materiales es una estrategia directa para mitigar el problema.
Además, mecanóforos diseñados para responder a estímulos podrían convertirse en sensores de tensión integrados que alerten de daños estructurales, catalizadores activables bajo condiciones específicas o sistemas de liberación controlada en aplicaciones biomédicas.
Este trabajo, publicado en la revista ACS Central Science, no solo identifica un nuevo tipo de entrecruzador eficaz, sino que establece una hoja de ruta para acelerar el descubrimiento de mecanóforos usando inteligencia artificial. Al unir química computacional, datos estructurales y validación experimental, abre la puerta a una nueva generación de materiales inteligentes y duraderos.
«Al iluminar cómo las características moleculares controlan la respuesta macroscópica del material, este trabajo traza un camino hacia el diseño predictivo de los materiales blandos de próxima generación”», concluye Kulik.▪️
Información facilitada por MIT News
Fuente: Ilia Kevlishvili, Jafer Vakil, David W. Kastner, Xiao Huang, Stephen L. Craig, and Heather J. Kulik. High-Throughput Discovery of Ferrocene Mechanophores with Enhanced Reactivity and Network Toughening. ACS Central Science (2025). DOI: 10.1021/acscentsci.5c00707
