El reto
Reducir tiempos de medida y consumo de disolventes, manteniendo o mejorando la precisión respecto a metodologías estándar (SEC/GPC), y hacerlo de forma independiente del disolvente y de la concentración de la muestra.
Resultado del proyecto FUNPOLYMER · PID2021-126445OB-I00
DiffAtOnce: difusión RMN e inteligencia artificial para peso molecular de polímeros
Predicción de peso molecular en cualquier disolvente y cualquier concentración
DiffAtOnce es una plataforma desarrollada en el proyecto FUNPOLYMER para procesar experimentos de difusión por RMN y estimar distribuciones de peso molecular en polímeros. Implementa la nueva ley de escala basada en \( D\eta_{c} = D\eta_{1/\infty}\,\exp(-\kappa C^{\nu}) \) , lo que permite calcular el peso molecular independientemente del disolvente y de la concentración, combinando algoritmos numéricos avanzados, transformada inversa de Laplace e inteligencia artificial.
Desarrollado en la Universidad de Almería en colaboración con el Institute of Physical Chemistry, Polish Academy of Sciences – grupo “Nuclear Hyperpolarization of Molecular Systems and Nanomaterials” (líder: Dr. Tomasz Ratajczyk; contacto principal: Dr. Mateusz Urbańczyk) y el doctorando Marek Czarnota.
FUNPOLYMER: del experimento de difusión a la distribución de peso molecular
FUNPOLYMER aborda la determinación rápida y trazable de distribuciones de peso molecular en polímeros en disolución mediante RMN de difusión, como alternativa a técnicas clásicas basadas en cromatografía de exclusión por tamaño. El avance clave del proyecto es una metodología que permite estimar el peso molecular en cualquier disolvente y concentración, a partir de las curvas universales \( \kappa(M_{w}) \) y \( D\eta_{1/\infty}(M_{w}) \).
La solución
Integrar en una misma plataforma algoritmos ILT avanzados, calibrado universal (UCC) y las nuevas curvas \( \kappa(M_{w}) \) y \( D\eta_{1/\infty}(M_{w}) \), junto con metodologías extendidas de difusión (ediffNMR) e inteligencia artificial, para convertir los decaimientos de difusión en distribuciones de peso molecular robustas.
El resultado
DiffAtOnce, un software de investigación que implementa la ley de escalado de Arrabal-Fernández \( D\eta_{c} = D\eta_{1/\infty}\,\exp(-\kappa C^{\nu}) \) y las curvas universales desarrolladas en FUNPOLYMER, \( \kappa(M_{w}) \) y \( D\eta_{1/\infty}(M_{w}) \), permitiendo predecir el peso molecular de polímeros en cualquier disolvente y a cualquier concentración.
Qué aporta DiffAtOnce
La plataforma combina herramientas numéricas, físicas y de inteligencia artificial para cubrir el ciclo completo: desde la adquisición del experimento de difusión hasta la obtención de distribuciones de peso molecular comparables con SEC/GPC, pero sin restricciones de disolvente ni concentración.
Algoritmos ILT especializados
Biblioteca de métodos de transformada inversa de Laplace adaptados a difusión por RMN, incluyendo enfoques discretos, continuos y regularización avanzada, diseñados para proporcionar coeficientes de difusión fiables sobre los que aplicar las leyes universales de calibrado.
Calibrado universal independiente de disolvente
Curvas de calibrado universal que tratan la viscosidad como parámetro independiente y las curvas \( \kappa(M_{w}) \) y \( D\eta_{1/\infty}(M_{w}) \), permitiendo estimar el peso molecular de polímeros en múltiples familias (PS, PPG, PMMA, PE, dextrano, poliisopreno…) y en un amplio rango de disolventes y concentraciones.
Inteligencia artificial y HPC
Modelos de aprendizaje profundo y despliegue en hardware de altas prestaciones para acelerar el análisis de grandes volúmenes de datos de difusión RMN y explorar extensiones a metodologías ultrarrápidas y time-resolved.