MIT utilise l'IA pour découvrir un « super-molécule » anti-déchirure : les plastiques deviennent 4 fois plus résistants

Une équipe de chercheurs du Massachusetts Institute of Technology (MIT) et de l’Université Duke a utilisé l’intelligence artificielle pour identifier parmi 5 000 molécules une nouvelle classe de composés capables de révolutionner la résistance des plastiques. Leur découverte, publiée dans la revue ACS Central Science, révèle que des dérivés de la dicyclopentadiényle fer (ou ferrocène), lorsqu’ils sont intégrés comme agents de réticulation dans les polymères, peuvent augmenter jusqu’à quatre fois la résistance à la déchirure des matériaux. Ces molécules appartiennent à une catégorie particulière appelée groupes mécanoréactifs (ou mechanophores), des unités moléculaires capables de subir des changements structurels ou chimiques lorsqu’elles sont soumises à une contrainte mécanique. Ces transformations peuvent générer des signaux détectables — comme un changement de couleur ou d’émission lumineuse — ce qui en fait des capteurs de contrainte intégrés. L’objectif de la recherche était de trouver des groupes mécanoréactifs capables de renforcer les matériaux sans les rendre cassants, en favorisant la dissipation de l’énergie mécanique avant la rupture. La découverte s’inscrit dans une avancée antérieure de 2023, menée par Stephen Craig (Duke) et Jeremiah Johnson (MIT), qui avait montré que l’ajout de liaisons faibles dans un réseau polymère pouvait en réalité renforcer globalement la résistance. En effet, lorsque la matière est tendue, les fissures préfèrent s’étendre en rompant les liaisons faibles plutôt que les fortes, ce qui demande plus d’énergie et augmente la ténacité. Mais identifier les meilleurs candidats parmi des milliers de molécules restait un défi immense : chaque test expérimental prend des semaines, et les simulations informatiques, bien que plus rapides, nécessitent encore plusieurs jours par molécule. Pour surmonter cette barrière, l’équipe a recouru à un modèle d’apprentissage automatique basé sur un réseau de neurones. Les chercheurs ont commencé par extraire 5 000 structures de ferrocène déjà synthétisées du Cambridge Structural Database, garantissant ainsi que les molécules étaient réellement réalisables. Ensuite, ils ont mené des simulations de force pour environ 400 d’entre elles afin de mesurer la force nécessaire pour briser leurs liaisons internes. Ces données ont servi à entraîner l’IA, qui a ensuite prédit avec précision les propriétés mécaniques de plus de 7 000 dérivés potentiels. Les analyses ont révélé deux caractéristiques clés améliorant la ténacité : d’une part, les interactions entre les groupes substituants sur les anneaux de ferrocène, et d’autre part, l’effet de stérisme — lorsque les deux anneaux sont porteurs de groupes volumineux, la molécule devient plus facilement cassable sous contrainte. Cette dernière observation, en particulier, a surpris les chimistes : « C’était complètement inattendu. Sans l’IA, nous n’aurions jamais pu la détecter », souligne Heather Kulik, professeure au MIT et coauteure principale. Les meilleurs candidats ont été testés expérimentalement par l’équipe de Craig à Duke. Un polymère basé sur le polyacrylate, réticulé avec un dérivé appelé m-TMS-Fc, a montré une résistance à la déchirure quatre fois supérieure à celle des polymères classiques contenant du ferrocène. Selon Ilia Kevlishvili, chercheur postdoctoral au MIT et premier auteur de l’étude, cette avancée pourrait permettre de réduire la production de plastiques et les déchets en prolongeant la durée de vie des produits. L’équipe prévoit d’étendre sa plateforme d’apprentissage automatique à d’autres types de groupes mécanoréactifs, notamment ceux capables de changer de couleur sous contrainte ou de déclencher une activité catalytique. Ces matériaux intelligents pourraient trouver des applications dans les capteurs de contrainte, les systèmes catalytiques ajustables ou même le délivrance ciblée de médicaments. Cette étude ouvre une nouvelle voie pour explorer les composés métalliques mécanoréactifs, un domaine encore peu exploité malgré leur potentiel élevé. L’approche combinant IA et chimie expérimentale pourrait accélérer la conception de matériaux plus durables, plus intelligents et plus résistants.