AI tăng khả năng sử dụng của sản phẩm phế thải làm giấy

AI tăng khả năng sử dụng của sản phẩm phế thải làm giấy

    AI tăng khả năng sử dụng của sản phẩm phế thải làm giấy

    AI boosts usability of paper-making waste product

    Hình ảnh và đồ họa với cây bạch dương. Ảnh: J. Löfgren
    Trong một sự hợp tác mới và thú vị với Cục Chế phẩm sinh học và Hệ thống sinh học, các nhà nghiên cứu trong nhóm CEST đã công bố một nghiên cứu chứng minh cách trí tuệ nhân tạo (AI) có thể thúc đẩy sản xuất vật liệu sinh học tái tạo.

    Công bố của họ tập trung vào việc chiết xuất lignin, một loại polymer hữu cơ cùng với cellulose tạo nên thành tế bào của thực vật. Là một sản phẩm phụ của sản xuất giấy, lignin được sản xuất với số lượng lớn trên khắp thế giới nhưng hiếm khi được sử dụng làm bất cứ thứ gì khác ngoài nhiên liệu rẻ tiền. Do đó, phát triển các vật liệu và hóa chất có giá trị từ lignin sẽ là một bước tiến lớn hướng tới một xã hội bền vững.

    Một thách thức quan trọng đối với quá trình hóa trị của lignin là tìm ra các điều kiện chiết xuất thực nghiệm thích hợp. Chúng bao gồm những thứ như nhiệt độ trong lò phản ứng nước nóng nơi gỗ được xử lý, thời gian phản ứng và tỷ lệ giữa gỗ với nước. Những điều kiện này không chỉ ảnh hưởng đến lượng lignin có thể được chiết xuất, mà còn ảnh hưởng đến các tính chất vật lý và hóa học của chính lignin được chiết xuất. Do đó, biết cách chọn các điều kiện thí nghiệm phù hợp là rất quan trọng vì càng chiết xuất được nhiều lignin thì càng tốt và các sản phẩm dựa trên lignin khác nhau có thể yêu cầu lignin với các đặc tính khác nhau.

    Các thành viên CEST Joakim Löfgren và Patrick Rinke đã gia nhập lực lượng với Milica Todorovic tại Đại học Turku và Dmitry Tarasov, Taru Koitto, và Mikhail Balakshin trong Bộ phận Sản phẩm sinh học và Hệ thống sinh học của Aalto để tìm ra các điều kiện chiết xuất tốt nhất cho các sản phẩm dựa trên than non khác nhau với sự trợ giúp của Bayesian Optimization , một phương pháp AI hoặc máy học. Phương pháp tiếp cận AI của họ xây dựng một mô hình máy tính, đối với sự kết hợp nhất định của các điều kiện thử nghiệm, có thể dự đoán cả lượng lignin chiết xuất và các đặc tính của nó.

    Như với bất kỳ phương pháp AI nào khác, Bayesian Optimization cần dữ liệu để học hỏi, nhưng ngược lại với các phương pháp phổ biến hơn như mạng nơ-ron, việc thu thập dữ liệu được hướng dẫn bởi chính thuật toán. Điều này có nghĩa trong thực tế là máy tính thông báo cho nhà khoa học làm việc trong phòng thí nghiệm điều kiện nào để sử dụng cho thí nghiệm tiếp theo. Bằng cách lựa chọn các điều kiện một cách thông minh, AI đảm bảo rằng sẽ chỉ cần một số lượng nhỏ thử nghiệm để tạo ra một mô hình chính xác.

    Việc áp dụng thành công tối ưu hóa Bayes cho vấn đề khai thác lignin cho thấy AI có thể sớm trở thành một công cụ tiêu chuẩn bên cạnh các công cụ thống kê truyền thống để lập kế hoạch và dự đoán kết quả của các thí nghiệm. Löfgren và Rinke hiện đang tích cực hợp tác với một số nhóm thực nghiệm tại Aalto để mở rộng phương pháp luận của họ sang một loạt các vấn đề trong khoa học vật liệu.

    Bài báo nghiên cứu này được xuất bản trên tạp chí ASC Sustainable Chemistry & Engineering.

    Zalo
    Hotline