Ein auf maschinellem Lernen basierender Ansatz zur Entdeckung von Nanokompositfolien als Alternativen zu biologisch abbaubarem Kunststoff

Die Anhäufung von Kunststoffabfällen in der Natur ist äußerst besorgniserregend, da sie zur Zerstörung von Ökosystemen beiträgt und das Leben im Wasser schädigt. In den letzten Jahren haben Materialwissenschaftler versucht, völlig natürliche Alternativen zu Kunststoff zu finden, die zur Verpackung oder Herstellung von Produkten verwendet werden könnten.

Forscher der University of Maryland, College Park, haben kürzlich einen neuen Ansatz entwickelt, um vielversprechende Alternativen zu biologisch abbaubarem Kunststoff zu entdecken. Die vorgeschlagene Methode wird in einem Artikel beschrieben, der in veröffentlicht wurde Natur-Nanotechnologiekombiniert modernste Techniken des maschinellen Lernens mit molekularer Wissenschaft.

„Meine Inspiration für diese Forschung wurde durch einen Besuch in Palau im Westpazifik im Jahr 2019 ausgelöst“, sagte Professor Po-Yen Chen, Co-Autor des Artikels, gegenüber Tech Xplore. „Die Auswirkungen der Plastikverschmutzung auf das dortige Meeresleben (schwimmende Plastikfolien täuschen Fische und Meeresschildkröten vor, sie seien Nahrung) waren zutiefst besorgniserregend. Das motivierte mich, mein Fachwissen auf dieses Umweltproblem anzuwenden und veranlasste mich, mich auf die Suche nach einer Lösung zu konzentrieren die Gründung meines Forschungslabors an der UMD.“

Herkömmliche und bisher genutzte Methoden zur Suche nach nachhaltigen Alternativen zu Plastik sind zeitaufwändig und ineffektiv. In vielen Fällen schneiden sie auch schlecht ab, beispielsweise bei der Identifizierung von Materialien, die biologisch abbaubar sind, aber nicht die gleichen wünschenswerten Eigenschaften wie Kunststoff haben.

Der in diesem aktuellen Artikel vorgestellte innovative Ansatz zur Identifizierung von Alternativen zu Kunststoff basiert auf einem von Chen entwickelten Modell des maschinellen Lernens.

Dieser Ansatz ist nicht nur schneller als herkömmliche Materialforschungsmethoden, sondern könnte auch effektiver bei der Entdeckung von Materialien sein, die realistisch in Fertigungs- und Industrieumgebungen eingesetzt werden können. Chen wandte seine Technik des maschinellen Lernens in enger Zusammenarbeit mit den Kollegen Teng Li und Liangbing Hu auf die Entdeckung vollständig plastischer Alternativen an.

„Durch die Kombination automatisierter Robotik, maschinellem Lernen und Molekulardynamiksimulationen haben wir die Entwicklung rein natürlicher, umweltfreundlicher Kunststoffersatzstoffe beschleunigt, die wesentliche Leistungsstandards erfüllen“, erklärte Chen. „Unser integrierter Ansatz kombiniert automatisierte Robotik, maschinelles Lernen und aktive Lernschleifen, um die Entwicklung von Alternativen zu biologisch abbaubarem Kunststoff zu beschleunigen.“

Zunächst stellten Chen und seine Kollegen eine umfassende Bibliothek von Nanokompositfilmen zusammen, die aus verschiedenen natürlichen Quellen stammten. Dies wurde mithilfe eines autonomen Pipettierroboters erreicht, der in der Lage ist, Laborproben selbstständig vorzubereiten.

Anschließend nutzten die Forscher diese Beispielbibliothek, um Chens auf maschinellem Lernen basierendes Modell zu trainieren. Während des Trainings wurde das Modell durch einen Prozess, der als iteratives aktives Lernen bezeichnet wird, nach und nach in der Lage, Materialeigenschaften basierend auf ihrer Zusammensetzung vorherzusagen.

„Die Synergie von Robotik und maschinellem Lernen beschleunigt nicht nur die Entdeckung natürlicher Ersatzstoffe für Kunststoff, sondern ermöglicht auch die gezielte Entwicklung von Kunststoffalternativen mit spezifischen Eigenschaften“, sagte Chen. „Unser Ansatz reduziert den Zeit- und Ressourcenaufwand im Vergleich zur traditionellen Versuch-und-Irrtum-Forschungsmethode erheblich.“

Diese aktuelle Studie und der darin eingeführte Ansatz könnten die zukünftige Forschung zu umweltfreundlichen Alternativen zu Kunststoff beschleunigen. Das Modell des Teams könnte bald von Teams auf der ganzen Welt genutzt werden, um rein natürliche Nanokomposite mit einstellbaren und vorteilhaften Eigenschaften herzustellen.

„Durch die Verknüpfung von Robotik, maschinellem Lernen und Simulationstools haben wir einen Arbeitsablauf etabliert, der die Entdeckung neuer Funktionsmaterialien beschleunigt und eine Anpassung an spezifische Anwendungen ermöglicht“, sagte Chen.

„Unser integrierter Ansatz senkt die Designbarrieren für eine umweltfreundliche Alternative zu petrochemischen Kunststoffen und bleibt gleichzeitig umweltfreundlich. Es bietet außerdem eine offene und erweiterbare Datenbank mit Schwerpunkt auf grünen, umweltfreundlichen und biologisch abbaubaren Funktionsmaterialien.

In Zukunft könnte der von Chen entwickelte innovative Ansatz dazu beitragen, die Plastikverschmutzung weltweit zu reduzieren und den Übergang mehrerer Sektoren zu nachhaltigeren Materialien zu erleichtern. In ihren nächsten Studien wollen die Forscher weiterhin an der Lösung der Umweltprobleme arbeiten, die durch petrochemische Kunststoffe verursacht werden.

Sie hoffen beispielsweise, die Auswahl an natürlichen Materialien, aus denen Hersteller wählen können, zu erweitern. Darüber hinaus werden sie versuchen, die Einsatzmöglichkeiten der in ihrem Modell identifizierten Materialien zu erweitern und sicherzustellen, dass diese Materialien in großem Maßstab hergestellt werden können.

„Wir arbeiten derzeit daran, die richtigen biologisch abbaubaren und nachhaltigen Materialien zu finden, um frische Produkte nach der Ernte zu verpacken, Einweg-Lebensmittelverpackungen aus Kunststoff zu ersetzen und die Haltbarkeit dieser Produkte nach der Ernte zu verbessern“, fügte Chen hinzu.

„Wir untersuchen auch, wie wir die Entsorgung dieser biologisch abbaubaren Kunststoffe verwalten können, einschließlich ihrer Wiederverwertung oder Umwandlung in andere nützliche Chemikalien. Diese Bemühungen sind entscheidende Schritte, um unsere Lösungen nicht nur umweltfreundlich, sondern auch wirtschaftlich sinnvolle Alternativen zu herkömmlichen Kunststoffen zu machen.“ Die Arbeit trägt wesentlich zur globalen Initiative zur Reduzierung der Plastikverschmutzung bei.

© 2024 Science X Network