یادگیری ماشینی برای پیشبینی سرعت تجزیه پلاستیکهای زیستتخریبپذیر در طبیعت
یادگیری ماشینی برای پیشبینی تجزیه زیستی پلاستیک میتواند جایگزینی سریع برای آزمایشهای طولانیمدت باشد؛ زیرا آزمایش سرعت تجزیه یک پلاستیک زیستتخریبپذیر در محیط زیست ممکن است ماهها و گاهی سالها زمان ببرد.
یک مطالعه جدید از دانشگاه کشاورزی آتن، جایگزین سریعتری ارائه میدهد: یک ابزار یادگیری ماشینی که تقریباً فوراً نتایج تجزیه زیستی یک پلاستیک زیستی پرکاربرد را پیشبینی میکند.
این تحقیق که در مجله Polymers منتشر شده است، بر PHBV (پلی(3-هیدروکسی بوتیرات-کو-3-هیدروکسی والرات)) تمرکز دارد. PHBV یک پلیمر زیستی است که بهطور طبیعی توسط باکتریها تولید میشود و جایگزینی امیدوارکننده و غیرمیکروپلاستیکی برای پلاستیکهای فسیلی معمولی محسوب میشود. این ماده بهویژه در شرایطی مانند بحرانهای بشردوستانه که زیرساختهای مدیریت پسماند محدود است، ارزشمند است.
این تیم به رهبری کریسانتوس ماراواس، یک پایگاه داده منتخب از ۱۳ مطالعه بررسیشده توسط همتا در طول تقریباً سه دهه ایجاد کرد و نحوه تجزیه فرمولاسیونهای PHBV با افزودنیها، ترکیبات و شرایط محیطی مختلف را در طول زمان، از طریق تکامل CO2 (کانیسازی) اندازهگیری کرد.
مجموعه دادههای حاصل شامل ۹۳ نمونه آزمایشی و بیش از ۱۳۰۰ اندازهگیری تجزیه زیستی جداگانه بود.
دو رویکرد یادگیری ماشین، جنگل تصادفی (نوعی الگوریتم) و XGBoost، بر روی این دادهها آموزش داده شدند و در برابر نمونههای آزمایشی دیدهنشده آزمایش شدند.
هر دو به دقت پیشبینی قوی دست یافتند، با مقادیر R² حدود ۰.۹۵ تا ۰.۹۷ حتی روی دادههای کاملاً ذخیرهشده. این موضوع نشان میدهد که مدلها میتوانند بهطور قابلاعتمادی فراتر از نمونههایی که روی آنها آموزش دیدهاند، تعمیم پیدا کنند.
تجزیهوتحلیل مدلها نشان داد که زمان تجزیه زیستی، همانطور که انتظار میرفت، قویترین پیشبینیکننده بود که منعکسکننده ماهیت اساساً جنبشی این فرآیند است.
اما دما، نسبت دو بلوک سازنده پلیمر (هیدروکسی والرات و هیدروکسی بوتیرات)، مکانیسم تجزیه (بهویژه فرسایش سطحی)، نوع جامعه میکروبی و محتوای افزودنی، همگی نقشهای ثانویه معناداری ایفا کردند. این یافتهها تأیید کردند که تجزیه زیستی تحت تأثیر تعامل پیچیدهای از طراحی مواد و شرایط محیطی قرار دارد و فقط به زمان وابسته نیست.
مدل جنگل تصادفی بهعنوان یک ابزار وب تعاملی رایگان در پلتفرم Jaqpot در دسترس عموم قرار گرفته است. این ابزار به محققان و تولیدکنندگان اجازه میدهد تا پارامترهای فرمولاسیون و محیطی را وارد کرده و پیشبینیهای سریع تجزیه زیستی را دریافت کنند. این ابزار همچنین از رویکرد «ایمن و پایدار بر اساس طراحی» برای توسعه مواد زیستتخریبپذیر نسل بعدی پشتیبانی میکند.
بیشتر بدانید:نانوفناوریهای نپتون: سوار بر موج سبز در برابر موج فزاینده آلودگی پلاستیکی
بیشتر بخوانید:آلودگی پلاستیکی در اقیانوس ها ممکن است حاوی آنتی بیوتیکهای جدید باشد
تاریخ:1405/4/18
مهسا نعمتی
