Polietilen (PE), dünya genelinde en çok üretilen sentetik polimerler arasında yer alır. Ambalaj malzemelerinden endüstriyel borulara, tıbbi ekipmandan oyuncaklara uzanan geniş bir kullanım alanına sahip olan bu malzemenin üretim süreçleri onlarca yıldır bilinmektedir. Ancak yüksek basınç altında gerçekleşen radikal polimerizasyon reaksiyonu sırasında atomların tam olarak nasıl davrandığı, yani her bir atomun anlık konumu ve etkileşimi, bilim dünyası için hâlâ tam anlamıyla aydınlatılamamış bir konudur.

Geleneksel deneysel yöntemler, genellikle yüksek kristalliğe sahip sistemlerde başarılı sonuçlar verse de karmaşık ve reaktif ortamlarda atomik çözünürlükte bilgi edinmek oldukça güçtür. Bilgisayar simülasyonları bu boşluğu doldurmak için sıkça başvurulan bir alternatif olmuştur; ancak mevcut ampirik kuvvet alanları, büyük sistemleri hızlı simüle edebilse de kimyasal gerçekçilik konusunda ciddi kısıtlara sahiptir.

Yeni çalışmada araştırmacılar, bu ikilemle başa çıkmak için iki güçlü yaklaşımı harmanlayan özgün bir yöntem geliştirdi. Bir yanda van der Waals düzeltmeleri içeren birinci ilkeler hesaplamaları yer alıyor; bu yöntem, atomlar arası etkileşimleri kuantum mekaniğinin temel denklemlerinden hareketle son derece doğru biçimde tanımlıyor. Diğer yanda ise bu yüksek doğruluklu verilerden beslenerek eğitilen bir makine öğrenmesi modeli, yani 'derin potansiyel' yer alıyor. Bu model, birinci ilkeler hesaplamalarının doğruluğunu korurken çok daha büyük sistemleri ve daha uzun zaman ölçeklerini simüle edebilme kapasitesi sunuyor.

Araştırma ekibi bu hibrit yaklaşımı, yüksek basınçlı polietilen sentezi koşullarına uygulayarak polimerin oluşum sürecini atomik düzeyde izledi. Elde edilen sonuçlar; zincir dallanma örüntüleri, kristal ve amorf bölgelerin dağılımı ile reaktif ara ürünlerin davranışı hakkında daha önce deneysel olarak gözlemlenemeyen ayrıntılar sundu.

Bu çalışmanın önemi yalnızca polietilen ile sınırlı değil. Geliştirilen metodoloji, diğer karmaşık polimer sistemlerine ve reaktif kimyasal süreçlere de uygulanabilir nitelikte. Makine öğrenmesi destekli kuvvet alanlarının malzeme bilimiyle bu denli derin bir entegrasyonu, gelecekte daha dayanıklı, hafif veya çevre dostu malzemelerin tasarımında simülasyonların rolünü köklü biçimde değiştirebilir.