Stati di ossidazione delle strutture cristalline

Modello di apprendimento automatico per assegnare automaticamente gli stati di ossidazione agli ioni metallici in strutture metallo-organiche.

La conoscenza dello stato di ossidazione dei centri metallici in composti e materiali aiuta nella comprensione del loro legame chimico e delle loro proprietà. I chimici hanno sviluppato teorie per prevedere gli stati di ossidazione basati su regole di conteggio degli elettroni, ma questi possono non descrivere gli stati di ossidazione in sistemi cristallini estesi come strutture metallo-organiche. Gli elementi chimici costituiscono praticamente tutto nel mondo fisico. A partire dal 2016, conosciamo 118 elementi, che possono essere trovati tutti classificati nella famosa tavola periodica che è appesa in ogni laboratorio di chimica e aula.

Ogni elemento nella tavola periodica appare come un'abbreviazione di una o due lettere (ad esempio O per ossigeno, Al per alluminio) insieme al suo numero atomico, che mostra quanti protoni ci sono nel nucleo dell'elemento. Il numero di protoni è enormemente importante, poiché determina anche quanti elettroni orbitano attorno al nucleo, il che essenzialmente rende l'elemento quello che è e gli conferisce le sue proprietà chimiche. In breve, il numero atomico è la carta d'identità di un elemento.

La tavola periodica dovrebbe includere gli stati di ossidazione

Pubblicando in Nature Chemistry, (1) gli ingegneri chimici della School of Basic Sciences dell'Ecole Polytechnique Fédérale de Lausanne (EPFL) studiano un altro numero che deve essere riportato per ciascun elemento nella tavola periodica: lo stato di ossidazione dell'elemento, noto anche come numero di ossidazione. In poche parole, lo stato di ossidazione descrive quanti elettroni un atomo deve guadagnare o perdere per formare un legame chimico con un altro atomo.

«In chimica, lo stato di ossidazione è sempre riportato nel nome chimico di un composto», afferma il professor Berend Smit (2) che ha guidato la ricerca. «Gli stati di ossidazione giocano un ruolo così importante nei fondamenti della chimica che alcuni hanno sostenuto che dovrebbero essere rappresentati come la terza dimensione della tavola periodica». Un buon esempio è il cromo: nello stato di ossidazione III è essenziale per il corpo umano; allo stato di ossidazione IV, è estremamente tossico.

I materiali complessi complicano le cose

Ma sebbene la determinazione dello stato di ossidazione di un singolo elemento sia piuttosto semplice, quando si tratta di composti composti da più elementi, le cose si complicano. «Per i materiali complessi, in pratica è impossibile prevedere lo stato di ossidazione dai primi principi», afferma Smit. «In effetti, la maggior parte dei programmi quantistici richiede lo stato di ossidazione del metallo come input».

L'attuale stato dell'arte nella previsione degli stati di ossidazione si basa ancora su una cosiddetta “teoria della valenza di legame” sviluppata all'inizio del XX secolo, che stima lo stato di ossidazione di un composto in base alle distanze tra gli atomi del suo costituente elemento. Ma questo non sempre funziona, specialmente nei materiali con strutture cristalline. «È risaputo che non è solo la distanza che conta, ma anche la geometria di un complesso metallico», afferma il professor Smit. «Ma i tentativi di tenerne conto non hanno avuto molto successo».

Una soluzione di apprendimento automatico

Fino ad ora, cioè. Nello studio, i ricercatori sono stati in grado di addestrare un algoritmo di apprendimento automatico per classificare un famoso gruppo di materiali, le strutture metallo-organiche, per stato di ossidazione.

Il team ha utilizzato il database strutturale di Cambridge, un archivio di strutture cristalline in cui lo stato di ossidazione è indicato nel nome dei materiali. «Il database è molto disordinato, con molti errori e una miscela di esperimenti, supposizioni di esperti e diverse varianti della teoria della valenza del legame vengono utilizzati per assegnare gli stati di ossidazione», afferma Berend Smit. «Partiamo dal presupposto che la chimica si autocorregge», aggiunge. «Quindi, sebbene ci siano molti errori sui singoli account, la comunità nel suo insieme lo farà nel modo giusto».

«Fondamentalmente abbiamo realizzato un modello di apprendimento automatico che ha catturato la conoscenza collettiva della comunità chimica», afferma Kevin Maik Jablonka, (3) uno studente di dottorato nel gruppo di Smit all'EPFL. «Il nostro apprendimento automatico non è altro che il gioco televisivo “Who Wants to Be a Millionaire?” Se un chimico non conosce lo stato di ossidazione, una delle ancora di salvezza è chiedere al pubblico della chimica quale dovrebbe essere lo stato di ossidazione. Caricando una struttura cristallina e il nostro modello appreso dalla macchina è il pubblico di chimici che dirà loro qual è lo stato di ossidazione più probabile».

Riferimenti:

(1) Using collective knowledge to assign oxidation states of metal cations in metal–organic frameworks

(2) Berend Smit

(3) Kevin Maik Jablonka

Descrizione foto: Chimici che votano sugli stati di ossidazione delle strutture metallo-organiche. - Credit: David Abbasi Pérez.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Machine learning cracks the oxidation states of crystal structures