- MIT desenvolveu um modelo físico para prever a mobilidade de prótons em óxidos metálicos, cobrindo uma ampla faixa de materiais.
- Os pesquisadores classificaram sete características e mostraram que a distância de ligação H e a flexibilidade da subrede de oxigênio (O…O fluctuation) são determinantes para a condução de prótons.
- A flexibilidade das redes de oxigênio aumenta a capacidade de transferência de prótons, segundo o estudo.
- Há potencial uso de inteligência artificial para projetar materiais otimizados ou gerar novos compostos que satisfaçam as características identificadas.
- O trabalho, publicado na revista Matter, contou com a liderança de Bilge Yildiz e recebeu apoio do Departamento de Energia dos EUA e da National Science Foundation.
O MIT desenvolveu um modelo físico para prever a mobilidade de prótons em óxidos metálicos, úteis como condutores de prótons em tecnologias de energia. O estudo classifica sete características relevantes e identifica a distância de ligação H e a flexibilidade da subrede de oxigênio (O…O fluctuation) como determinantes. Há ainda potencial uso de IA para projetar materiais otimizados.
Os pesquisadores mostraram que prótons se movem via saltos entre oxigênios, formando ligações covalentes com o oxigênio. A rotação das ligações H-O após cada salto impede o retorno do próton, ampliando a compreensão do transporte.
O trabalho, liderado por Bilge Yildiz, professora do NSE e DMSE, avaliou a influência de traços estruturais, químicos, eletrônicos e dinâmicos. O estudo se baseia em dados experimentais combinados a modelos computacionais para estimar a transferência de prótons.
Principais descobertas
O estudo rankeou sete características e destacou que a distância da ligação H é o principal fator na condução de prótons. Em seguida, destacou-se o conceito de O…O fluctuation, que traduz a flexibilidade da subrede de oxigênio e aumenta a mobilidade de prótons quando mais flexível.
Os autores ressaltam que o modelo pode estimar a condução de prótons em uma gama maior de óxidos metálicos. Também sugerem o uso de IA generativa para criar compostos com traits otimizados para transferência de prótons.
Implicações e próximos passos
Além da seleção de materiais, o estudo aponta para aplicações em baterias de protões, células de combustível e computação de baixo consumo energético. Pesquisadores planejam ampliar a base de dados e explorar parâmetros que permitam percolar ludicamente redes de oxigônio.
A pesquisa foi publicada na revista Matter e recebeu apoio do Departamento de Energia dos EUA e do NSF. Os autores citam a possibilidade de futuras colaborações com ferramentas de IA para projetar materiais mais eficientes.
Entre na conversa da comunidade