Deep Eutectic Solvents e Intelligenza Artificiale: Approcci di Deep Learning per la Progettazione e la Caratterizzazione

I solventi organici, fondamentali in numerosi settori industriali, sono purtroppo tossici ed inquinanti. Una recente alternativa è rappresentata dai Deep Eutectic Solvents, una miscela di due o più componenti che si presenta liquida a temperatura ambiente. Il problema è che esistono potenzialmente infinite combinazioni per creare DES, e la ricerca di quello “perfetto” per una determinata applicazione richiede molto tempo e denaro. L’obbiettivo di questo lavoro è quello di utilizzare delle tecniche di deep learning per predire le temperature di fusione di DES, date le loro composizioni e rapporti molari. Come base di partenza abbiamo sfruttato 8 modelli già pubblicati, utilizzati per essere ri-addestrati con un maggiore dataset di dati. Una ulteriore analisi è stata l’esclusione della temperatura di fusione dal dataset di training, per osservare la variazione di R2 e RMSE, a dispetto di un minore tempo di calcolo. Gli algoritmi qui addestrati (Linear Regression e Decision Tree) hanno mostrato indici di precisione leggermente migliori (5-8%) ai risultati precedentemente pubblicati. Questo lavoro da noi iniziato può essere continuato in futuro, espandendo ulteriormente il set di dati, o utilizzando l’intelligenza artificiale per predire anche altri valori chiave come densità e viscosità.