Predicción del grado de superhidrofobicidad en superficies microtexturizadas, mediante el uso de inteligencia artificial en Python.

Abstract

La Inteligencia Artificial (IA) se ha convertido en una herramienta clave en el diseño de materiales innovadores. Sin embargo, aún no se ha estudiado en profundidad el diseño de materiales texturizados asistido por IA. Con el fin de explorar el potencial de la IA para descubrir superficies texturizadas útiles especialmente para aplicaciones biomédicas, este trabajo se centra en la predicción del grado de humectabilidad de superficies jerárquicas microtexturizadas a través de modelos de IA implementados en Python. La humectabilidad de una superficie depende de su ángulo de contacto (CA, de sus siglas en inglés contact angle) con el agua, el cual permite clasificarlas como hidrófobas (CA > 90º) o hidrofílicas (CA < 90º). Los valores de CA cercanos a 0º se corresponden con superficies superhidrofílicas, mientras que aquellos cercanos a 180º son característicos de superficies superhidrófobas. Estas últimas poseen propiedades únicas como son la repelencia al agua, la autolimpieza de la superficie, antiempañamiento (por ejemplo, para cristales), son antibacterias, etc. Motivo por el que resultan tan interesantes en el campo de la biomedicina. El presente Trabajo Fin de Grado, titulado “Predicción del grado de superhidrofobicidad en superficies microtexturizadas, mediante el uso de Inteligencia Artificial en Python”, tiene como objetivo aplicar la IA para obtener modelos de Machine Learning y Redes Neuronales Artificiales capaces de predecir el ángulo de contacto de superficies microtexturizadas. Además del análisis de dichos modelos, buscando el óptimo entre todos ellos para, posteriormente, predecir nuevas geometrías que permitan un grado de superhidrofobicidad elevado.