Structure–Property Relationships and Force-Field Transferability in 1-Propanol/Water Mixtures from 243 to 298 K

Imagina un vaso de agua y un vaso de alcohol de limpieza. Si los viertes juntos, no simplemente se sientan uno al lado del otro; se mezclan en un único líquido uniforme. Sin embargo, a nivel microscópico, esta mezcla está lejos de ser simple. Las moléculas de agua, que aman tomarse de la mano entre sí mediante atracciones eléctricas invisibles, deben de repente acomodar a las moléculas de alcohol, que tienen una cabeza que ama el agua y una cola que la evita. Este tira y afloja crea un paisaje complejo y cambiante donde las moléculas se organizan de formas que alteran el peso del líquido, su facilidad para fluir y su comportamiento en la superficie. Comprender estas disposiciones ocultas es crucial para todo, desde diseñar mejores combustibles hasta crear desinfectantes eficaces, pero es increíblemente difícil ver estas estructuras diminutas directamente.

Para asomarse a este mundo invisible, los científicos utilizan simulaciones por computadora que actúan como un microscopio virtual. Construyen modelos digitales de moléculas individuales y observan cómo se mueven e interactúan a lo largo del tiempo. El desafío reside en los modelos mismos: si las reglas digitales que gobiernan cómo las moléculas se atraen o se repelen están ligeramente erradas, toda la simulación puede conducir a las conclusiones equivocadas. Una gran pregunta en este campo es si un modelo construido para describir alcohol puro puede seguir funcionando con precisión cuando ese alcohol se mezcla con agua, sin necesidad de ser reconstruido completamente desde cero. Este es el rompecabezas central abordado por un equipo de investigadores de la Universidad de Ciencia y Tecnología de Jordania, quienes se propusieron probar si un modelo digital específico de 1-propanol, un tipo común de alcohol, podría sobrevivir a la transición de un líquido puro a una mezcla con agua.

Los investigadores crearon una vasta gama de mezclas virtuales, cubriendo cada proporción posible de agua y 1-propanol, y observaron cómo se comportaban a temperaturas que iban desde justo por encima del punto de congelación hasta la temperatura ambiente. Emparejaron su modelo de alcohol con dos modelos digitales de agua diferentes y bien conocidos para ver qué combinación producía resultados que coincidieran con experimentos del mundo real. Un modelo de agua era una versión de tres puntos más simple, mientras que el otro era una versión de cuatro puntos más detallada. Al mantener el modelo de alcohol exactamente igual y solo cambiar el agua, el equipo pudo aislar cómo la elección del modelo de agua influía en el resultado. Midieron qué tan densas se volvían las mezclas, cómo se movían las moléculas y cómo se comportaba el líquido en su superficie, comparando sus resultados virtuales contra datos físicos conocidos.

Las simulaciones revelaron que el modelo de alcohol digital era sorprendentemente robusto. Al mezclarse con agua, reproducía con éxito la forma en que las mezclas reales se contraen en volumen, volviéndose ligeramente más densas de lo que sugeriría un simple promedio de los dos líquidos. Esta contracción alcanzó su punto máximo cuando la mezcla contenía aproximadamente un cuarenta por ciento de alcohol en número, un punto donde las moléculas de agua y de alcohol parecen empaquetarse juntas de la manera más eficiente. Ambos modelos de agua capturaron este comportamiento, aunque el modelo de agua de cuatro puntos predijo la densidad de las mezclas con una precisión ligeramente mayor. El estudio también mostró que las moléculas no se mezclaban aleatoriamente; en cambio, las moléculas de alcohol tendían a agruparse en la superficie misma del líquido, creando una capa que era más rica en alcohol que el líquido subyacente. Este enriquecimiento superficial explica por qué añadir incluso una pequeña cantidad de alcohol al agua reduce significativamente la tensión superficial del líquido, facilitando su extensión o ruptura.

Sin embargo, la historia se volvió más compleja cuando los investigadores observaron cómo se movían las moléculas. En el rango medio de la mezcla, donde ni el agua ni el alcohol dominaban, las moléculas de alcohol se ralentizaron significamente, alcanzando un punto de movimiento mínimo. Al mismo tiempo, la resistencia del líquido al flujo, o viscosidad, pareció alcanzar un máximo. Esto sugiere que, en esta zona intermedia, las moléculas forman una red temporal y enmarañada que obstaculiza el movimiento antes de que la mezcla vuelva a ser fluida a medida que se añade más alcohol. Si bien las simulaciones capturaron este frenado y aceleración, los números exactos de qué tan rápido se movían las moléculas dependían en gran medida del tamaño del contenedor virtual y del modelo de agua específico. Los investigadores encontraron que corregir el tamaño finito de sus cajas virtuales desplazaba los valores de velocidad, pero el patrón general de ralentización en el medio de la mezcla permanecía constante.

El equipo también examinó la estructura interna del líquido observando cómo se disponían los átomos de oxígeno unos respecto a otros. Descubrieron que, a medida que la mezcla cambiaba de mayoritariamente agua a mayoritariamente alcohol, el vecindario local de los átomos de oxígeno cambiaba drásticamente. En las áreas ricas en agua, los átomos de oxígeno estaban rodeados por muchos vecinos en una capa apretada y organizada. A medida que se añadía alcohol, esta capa se volvía menos concurrida y más desordenada. Esta reorganización estructural ocurrió precisamente en el mismo rango de composición donde las moléculas se ralentizaron y el líquido se volvió más viscoso, vinculando el movimiento físico de las moléculas directamente con cómo estaban empaquetadas. Las simulaciones también recrearon con éxito los patrones observados en experimentos reales de rayos X, confirmando que los modelos digitales estaban capturando la correcta disposición a gran escala de las moléculas.

A pesar de estos éxitos, el estudio destacó limitaciones importantes en la forma en que se llevan a cabo estos experimentos virtuales. Los investigadores encontraron que la forma en que manejaron las fuerzas de largo alcance entre las moléculas tuvo un impacto masivo en los resultados de la tensión superficial. Cuando utilizaron un método más completo para calcular estas fuerzas, la tensión superficial predicha aumentó en varios puntos, mostrando que sus cálculos iniciales, más rápidos, habían pasado por alto una pieza significativa de la física. Además, el estudio no pudo demostrar definitivamente que el líquido permaneciera estable a las temperaturas más bajas probadas, ya que las simulaciones no fueron lo suficientemente largas como para descartar la posibilidad de que el agua se congelara en hielo. Los resultados de la viscosidad, aunque mostraban la tendencia correcta de un pico en medio de la mezcla, fueron descritos como preliminares porque las ejecuciones por computadora no fueron lo suficientemente largas para garantizar la certeza estadística.

En última instancia, el trabajo demuestra que un campo de fuerza diseñado para el alcohol puro puede transferirse bien a las mezclas, pero la elección del modelo de agua y los detalles del método de simulación importan profundamente. Ningún modelo de agua fue perfecto en todas las mediciones; uno fue mejor prediciendo la densidad, mientras que el otro ofrecía comportamientos dinámicos diferentes. El estudio no declaró un único ganador, sino que proporcionó un mapa claro, propiedad por propiedad, de dónde cada modelo tiene éxito y dónde falla. Al mostrar exactamente cómo se comportan los modelos digitales bajo condiciones estrictas y controladas, la investigación ofrece una guía fiable para futuros científicos que necesiten simular estos líquidos complejos y cotidianos. Los hallazgos confirman que, si bien la danza microscópica del agua y el alcohol es intrincada, puede entenderse mediante una simulación comparativa cuidadosa, siempre que se tengan en cuenta las limitaciones de las herramientas virtuales.