Criar recipientes de plástico que se degradem facilmente na água do mar seria a solução dos sonhos para o problema crescente de resíduos de plástico no oceano, mas uma equipe de pesquisadores da Penn State New Kensington sugere que, pelo menos por agora, reciclar e encontrar alternativas de plástico pode ainda ser a melhor forma de lidar com esse lixo.

Em um estudo, os pesquisadores usaram um algoritmo de aprendizado de máquina para classificar mais de 110 tipos de plásticos, incluindo variedades comerciais e feitas em laboratório, para entender melhor como eles podem se degradar no oceano, disse Robert Mathers, professor de química.

“Uma das coisas que estávamos interessados ​​em saber é o que vai acontecer com a grande quantidade de plástico que está no oceano, "disse Mathers." Este estudo pegou uma ampla gama de dados de propriedades físicas, em combinação com uma métrica que quantificaria a composição das estruturas moleculares e usaria isso para tentar descobrir os aspectos mais importantes da degradação do plástico no oceano. "

De acordo com a Ocean Conservancy, existem mais de 150 milhões de toneladas métricas de plástico no oceano, com 8 milhões de toneladas a mais entrando no oceano a cada ano. Os pesquisadores, que divulgou suas descobertas em uma edição recente da Nature Communications , disse que uma série de fatores no oceano podem ajudar a quebrar esse plástico, incluindo a radiação ultravioleta do sol, vento, ondas, água do mar, temperatura da água e bactérias. Eles descobriram que certos tipos de plásticos quebram mais rápido do que outros quando submetidos a essas condições.

Embora conhecer a estrutura molecular dos plásticos mais suscetíveis possa dar aos engenheiros a chance de desenvolver plásticos com menos impacto ambiental, Mathers disse que a economia de produzir esses plásticos em escala ainda seria um problema.

“Outros sugeriram a possibilidade de colocar um elo fraco na estrutura molecular de um plástico que poderia acelerar a degradação dessa cadeia de átomos, "disse Mathers." Agora, é uma ótima ideia, mas, agora mesmo, pode não ser uma opção economicamente viável. É difícil competir economicamente com o polietileno e o polipropileno, quais são os plásticos mais usados ​​no mundo. Então, provavelmente queremos continuar a nos concentrar na reciclagem porque isso oferece a ajuda mais imediata. "

A equipe abordou o problema do plástico no oceano reunindo o máximo de dados sobre a estrutura molecular dos vários plásticos e informações sobre como esses plásticos se comportam na água do mar. tanto no campo quanto em condições de laboratório.

"Da literatura, conseguimos obter informações sobre as propriedades físicas do plástico que está no oceano, por exemplo, pesos moleculares, a temperatura de transição vítrea, a quantidade de cristalinidade, mas considerar a composição molecular foi uma oportunidade esquecida. A respeito disso, descobrimos como traduzir a estrutura molecular em uma métrica que chamamos de hidrofobicidade, qual é a probabilidade de o material absorver água ou querer entrar em contato com a água, "disse Mathers.

Kyungjun Min, um estudante de bioquímica do segundo ano, quem foi o primeiro autor do artigo, ajudou a calcular esses valores de hidrofobicidade.

Existem tantos tipos de plásticos e tantas condições experimentais, o aprendizado de máquina tornou-se fundamental para ajudar os pesquisadores a classificar a grande quantidade de dados, além de classificar essas informações, de acordo com Joseph Cuiffi, um professor assistente, que trabalhou com Mathers.

"Começamos com a análise de dados básicos para explorar e classificar os dados, em seguida, passamos para o aprendizado de máquina preditivo para nos ajudar a elucidar padrões e tendências, "disse Cuiffi." O aprendizado de máquina nos ajudou a determinar relacionamentos-chave e a desenvolver regras para prever o comportamento do plástico. "

Depois de experimentar alguns modelos diferentes de aprendizado de máquina, os pesquisadores optaram por uma árvore de decisão, abordagem de aprendizado de máquina. Membros do Instituto de Ciências Computacionais e de Dados e do Instituto de Pesquisa de Materiais ajudaram a equipe fornecendo acesso a ferramentas de aprendizado de máquina.

"Tentamos modelos de regressão no início, mas as inconsistências nas condições experimentais em nosso conjunto de dados tornaram isso difícil, "disse Cuiffi." Os alunos da classificação trabalharam muito melhor, e árvores de decisão, especificamente, foram úteis porque forneceram visibilidade sobre as regras aprendidas, que forneceu percepções sobre o comportamento químico e físico. "

Cuiffi acrescentou que o aprendizado de máquina - e ciência de dados, em geral - também é útil para este tipo de pesquisa interdisciplinar.

"Acho que as ferramentas modernas disponíveis para análise de dados nos permitem explorar grandes conjuntos de dados variados com mais facilidade do que nunca, "disse ele." Também aprecio os esforços interdisciplinares neste campo, com este estudo, por exemplo, porque os pesquisadores externos podem analisar os dados de forma agnóstica. Para este estudo, Eu costumava trazer resultados ao Dr. Mathers sem saber se faziam sentido - e ele realmente gostaria de descobrir o que os dados estavam mostrando. Se eu tivesse mais insights sobre a química, Posso ter enviesado a análise com o meu ponto de vista. "

De acordo com Mathers, o estudo também mostrou como a ciência de dados e a ciência de materiais podem contribuir para a solução de problemas que podem ter sido considerados fora de seus campos.

"Eu estava interessado em sustentabilidade, materiais sustentáveis ​​e essa ideia de química verde por muito tempo, "disse Mathers." E quando olhamos para os estudos na literatura atual, descobrimos que havia muitas pessoas investigando plásticos no oceano e a maioria desses pesquisadores eram oceanógrafos, biólogos marinhos, ecologistas, e biólogos marinhos. Eles estavam fazendo um trabalho realmente interessante, mas do ponto de vista dos materiais, nenhum estudo sistemático estava disponível. "

Ele acrescentou que mais trabalho precisa ser feito para investigar plásticos no oceano, incluindo a adição de mais dados.