A água cobre a maior parte da superfície da Terra, mas se comporta de maneira que a torna diferente de quase qualquer outro líquido. Uma de suas características mais incomuns é que ele se expande em vez de encolher quando congela. Os cientistas há muito atribuem este comportamento estranho a mudanças na estrutura microscópica da água à medida que a temperatura e a pressão mudam, mas faltava-lhes uma forma consistente de descrever e comparar estas mudanças estruturais.
Agora, pesquisadores da Universidade de Osaka recorreram à inteligência artificial (IA) para resolver esse problema. Seu sistema de inteligência artificial fornece uma maneira única de comparar diferentes métodos de descrição da estrutura da água super-resfriada, ajudando a determinar quais deles capturam as características mais importantes. O estudo foi publicado em Química de ligação.
Por que a água super-resfriada se comporta de maneira tão estranha
Para que a água líquida se transforme em gelo, suas moléculas devem se organizar em uma rede cristalina ordenada. Este processo começa no local de nucleação, a superfície onde os cristais de gelo podem começar a se formar. Pequenas impurezas na água ou mesmo arranhões microscópicos dentro do recipiente podem servir como pontos de partida.
Se estes locais de nucleação estiverem ausentes, a água pode permanecer líquida mesmo depois de ter esfriado abaixo do seu ponto normal de congelamento. Esta condição incomum é conhecida como água super-resfriada.
Nestas condições, as propriedades incomuns da água tornam-se ainda mais pronunciadas. Os cientistas acreditam que esse comportamento está relacionado ao equilíbrio entre duas formas concorrentes de água líquida: a lipoproteína de alta densidade (HDL) e a lipoproteína de baixa densidade (LDL). No nível molecular, as moléculas de água estão constantemente formando e quebrando redes de ligações de hidrogênio. À medida que a temperatura aumenta, as estruturas mais compactas do HDL tornam-se cada vez mais dominantes sobre as estruturas mais abertas do LDL.
AI compara modelos de água concorrentes
Ao longo dos anos, os pesquisadores propuseram muitas maneiras diferentes de descrever o arranjo local das moléculas de água, incluindo medições como ordem de ligação tetraédrica e densidade local. Como esses descritores estruturais foram desenvolvidos de forma independente, eles utilizam diferentes escalas, tamanhos e tipos de informação. Isso tornou difícil compará-los diretamente e determinar o mais útil.
“Pesquisas anteriores mostraram que usar o aprendizado de máquina para classificar e compreender dados estruturados é eficaz”, explica o autor correspondente Kang Kim. “Queríamos especificamente incorporar um modelo de rede neural neste estudo para avaliar a precisão com que os descritores capturaram informações estruturais importantes de uma forma semelhante à cognição humana.”
Para treinar a inteligência artificial, os pesquisadores alimentaram a rede neural com dados estruturais obtidos em simulações de dinâmica molecular de água super-resfriada. Por tentativa e erro, o sistema aprendeu a reconhecer padrões significativos em estruturas moleculares.
Novas pistas sobre a estrutura oculta da água
“A rede usou o que aprendeu para comparar como 16 descritores distinguem entre as estruturas de LDL e HDL em diferentes temperaturas”, relata Nobuyuki Matubayashi, autor sênior. “Dessa forma, identificamos os descritores mais eficazes”.
Os investigadores dizem que a sua estrutura pode melhorar a compreensão dos cientistas sobre como as mudanças estruturais microscópicas estão ligadas ao comportamento termodinâmico da água. As descobertas também podem ajudar a explicar as origens das propriedades incomuns da água, ao mesmo tempo que orientam o desenvolvimento de ferramentas ainda melhores para estudar a sua complexa estrutura molecular.
