یادگیری ماشینی برای پیشبینی سرعت تجزیه پلاستیکهای زیستتخریبپذیر در طبیعت
آزمایش سرعت تجزیه یک پلاستیک زیستتخریبپذیر در محیط زیست میتواند ماهها و گاهی سالها کار آزمایشگاهی طول بکشد.
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))، یک پلیمر زیستی که به طور طبیعی توسط باکتریها تولید میشود و جایگزینی امیدوارکننده و غیرمیکروپلاستیک برای پلاستیکهای فسیلی معمولی محسوب میشود، تمرکز دارد و به ویژه در شرایطی مانند بحرانهای بشردوستانه که زیرساختهای مدیریت پسماند محدود است، ارزشمند است.
این تیم به رهبری کریسانتوس ماراواس، یک پایگاه داده منتخب از 13 مطالعه بررسی شده 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 93 نمونه آزمایشی و بیش از 1300 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 دیده نشده آزمایش شدند.
هر دو به دقت پیشبینی قوی دست یافتند، با مقادیر R2 حدود 0.95-0.97 حتی روی دادههای کاملاً ذخیرهشده، به این معنی که مدلها به طور قابل اعتمادی فراتر از نمونههایی که روی آنها آموزش دیدهاند، تعمیم میدهند.
تجزیه و تحلیل مدلها نشان داد که زمان تجزیه زیستی، همانطور که انتظار میرفت، قویترین پیشبینیکننده بود که منعکسکننده ماهیت اساساً جنبشی فرآیند است.
اما دما، نسبت دو بلوک سازنده پلیمر (هیدروکسی والرات و هیدروکسی بوتیرات)، مکانیسم تجزیه (به ویژه فرسایش سطحی)، نوع جامعه میکروبی و محتوای افزودنی، همگی نقشهای ثانویه معناداری ایفا کردند و تأیید کردند که تجزیه زیستی توسط تعامل پیچیدهای از طراحی مواد و شرایط محیطی اداره میشود و نه فقط زمان.
مدل جنگل تصادفی به عنوان یک ابزار وب تعاملی رایگان در پلتفرم Jaqpot در دسترس عموم قرار گرفته است و به محققان و تولیدکنندگان اجازه میدهد تا پارامترهای فرمولاسیون و محیطی را وارد کرده و پیشبینیهای سریع تجزیه زیستی را دریافت کنند و از رویکرد “ایمن و پایدار بر اساس طراحی” برای توسعه مواد زیست تخریبپذیر نسل بعدی پشتیبانی کنند.
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
