97889 64456 72312 47532 85224 72311 99738 05314 18822 88877 83701 91188 72106 98803 83485 70762 67561 00923 55229 06479 57972 59061 74949 93171 14807 03728 86417 14924 55271 76483 09709 80826 48003 69756 41326 33857 90179 16007 50123 74390 32549 30315 44217 63317 75601 80709 41762 62320 18455 61834 28274 17965 11564 40730 97515 38882 00045 18375 34435 87730 65633 86354 42635 03181 37624 00288 29224 98754 64198 42645 13159 80277 57942 84214 09885 11406 37363 27238 16160 82824 82750 03902 45252 98749 86602 85405 74120 11069 70749 63642 54482 33973 81058 25338 11638 53184 38067 75862 58160 05931 81160 94118 63131 11678 37627 13358 15577 41533 20376 02073 54475 97260 40548 91470 84971 47067 00960 20371 54295 32383 70544 08125 72446 96640 07075 16165 30869 08344 20223 85830 11652 84248 58240 18720 83640 74865 63798 26432 11368 91553 98930 40390 63732 07578 52004 83379 91665 87295 27594 70342 33614 00445 56766 74846 32119 67664 51801 34739 44392 32414 80290 43295 50949 32938 59188 82226 64963 12065 07486 96473 17151 41690 05059 80565 72757 89563 68610 87113 78719 74762 26213 13426 23716 54025 70952 73308 30338 98371 80443 39662 15506 33308 53719 47268 57523 71539 98084 43052 68615 92226 35372 86296 82533 08533 12606 77475 19780 50069 42332 94775 84463 97795 86712 89454 36026 27730 87899 25252 69813 38682 Ein auf maschinellem Lernen basierender Ansatz zur Entdeckung von Nanokompositfolien als Alternativen zu biologisch abbaubarem Kunststoff – MJRBJC
Ein auf maschinellem Lernen basierender Ansatz zur Entdeckung von Alternativen zu biologisch abbaubarem Kunststoff

Vergleichende Darstellung traditioneller Kunststoffartikel und ihrer umweltfreundlichen und biologisch abbaubaren Gegenstücke, entwickelt durch prädiktive Modellierung. Oben: Konventionelle Kunststoffprodukte. Unten: Rein natürliche Ersatzstoffe, die ihre Vielseitigkeit in Anwendungen von der Verpackung bis hin zu Konsumgütern beweisen. Bildnachweis: Chen, T., Pang, Z., He, S. et al. Durch künstliche Intelligenz beschleunigte Entdeckung völlig natürlicher Kunststoffersatzstoffe. Nat. Nanotechnologie. (2024). 10.1038/s41565-024-01635-z

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.

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

Foto von drei leitenden Forschern, die rein natürliche Kunststoffersatzstoffe verwenden (links: Professor Teng Li; Mitte: Professor Po-Yen Chen; rechts: Professor Liangbing Hu) Bildnachweis: Tianle Chen et al.

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.

Mehr Informationen:
Tianle Chen et al., Durch künstliche Intelligenz beschleunigte Entdeckung völlig natürlicher Kunststoffersatzstoffe, Natur-Nanotechnologie (2024). DOI: 10.1038/s41565-024-01635-z

© 2024 Science X Network

Zitat: Ein auf maschinellem Lernen basierender Ansatz zur Entdeckung von Nanokompositfolien als Alternativen zu biologisch abbaubarem Kunststoff (13. April 2024), abgerufen am 13. April 2024 von https://phys.org/news/2024-04-machine-based-approach -nanocomposite- biologisch abbaubar. HTML

Dieses Dokument unterliegt dem Urheberrecht. Mit Ausnahme der fairen Nutzung für private Studien- oder Forschungszwecke darf kein Teil ohne schriftliche Genehmigung reproduziert werden. Der Inhalt dient lediglich der Information.

By rb8jg

Leave a Reply

Your email address will not be published. Required fields are marked *

Failed to fetch data from the URL.