A água cobre a maior parte da superfície da Terra, mas comporta-se de uma forma que a diferencia de quase todos os outros líquidos. Uma de suas propriedades mais incomuns é que ele se expande em vez de se contrair quando se solidifica. Os cientistas há muito que associam estes comportamentos estranhos a mudanças na estrutura microscópica da água à medida que a temperatura e a pressão mudam, mas falta-lhes uma forma consistente de descrever e comparar estas mudanças estruturais.
Agora, pesquisadores da Universidade de Osaka recorreram à inteligência artificial (IA) para enfrentar esse desafio. Seu sistema de IA fornece uma maneira unificada de comparar diferentes métodos de descrição da composição da água super-resfriada, ajudando a identificar quais capturam as propriedades mais importantes. O estudo foi publicado Química de contato.
Por que a água super-resfriada se comporta de maneira tão estranha?
Para que a água líquida congele, suas moléculas devem se organizar em uma rede cristalina ordenada. Este processo começa no local de nucleação, uma superfície onde os cristais de gelo podem começar a se formar. Pequenas impurezas na água ou mesmo arranhões microscópicos dentro de um recipiente podem fornecer esses pontos de partida.
Se estes locais de nucleação estiverem ausentes, a água pode permanecer líquida mesmo depois de ser resfriada abaixo do seu ponto normal de congelamento. Este estado incomum é conhecido como água super-resfriada.
Nestas condições, as propriedades incomuns da água tornam-se mais aparentes. Os cientistas acreditam que estes comportamentos estão ligados ao equilíbrio entre dois lípidos concorrentes: uma lipoproteína de alta densidade (HDL) e uma 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 a estrutura mais aberta do LDL.
AI compara modelos de água concorrentes
Ao longo dos anos, os pesquisadores propuseram várias maneiras de descrever o arranjo local das moléculas de água, incluindo medidas como ordem de ligação tetraédrica e densidade local. Como esses descritores estruturais foram desenvolvidos de forma independente, eles utilizam diferentes escalas, dimensões e tipos de dados. Isso torna difícil compará-los diretamente e determinar qual é o mais útil.
“Estudos anteriores mostraram que o uso do aprendizado de máquina para classificar e compreender dados estruturados é eficaz”, explica o autor correspondente Kang Kim. “Queríamos especificamente incluir um modelo de rede neural neste estudo para avaliar o quão precisos os descritores eram na captura de informações estruturais importantes, de uma forma que se assemelhasse à cognição humana”.
Para treinar a IA, os pesquisadores alimentaram a rede neural com dados estruturais gerados a partir de simulações de dinâmica molecular de água super-resfriada. Através de repetidas tentativas e erros, o sistema aprende a reconhecer padrões significativos na estrutura molecular.
Novas pistas sobre a estrutura oculta da água
“A rede usou o que aprendeu para comparar como 16 descritores diferenciam as estruturas de LDL e HDL em diferentes temperaturas”, relata Nobuyuki Matubayashi, autor sênior. “Assim, determinamos o descritor mais eficiente.”
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 melhores ferramentas para estudar a sua complexa estrutura molecular.
