A acumulação de resíduos plásticos em ambientes naturais é extremamente preocupante, pois contribui para a destruição de ecossistemas e causa danos à vida aquática. Nos últimos anos, os cientistas de materiais têm tentado identificar alternativas totalmente naturais ao plástico que possam ser utilizadas para embalar ou fabricar produtos.



Pesquisadores da Universidade de Maryland, College Park, desenvolveram recentemente uma nova abordagem para descobrir alternativas promissoras ao plástico biodegradável. O método proposto, descrito em um artigo publicado na Nature Nanotechnology , combina técnicas de aprendizado de máquina de última geração com ciência molecular.

“Minha inspiração para esta pesquisa surgiu de uma visita a Palau, no Pacífico Ocidental, em 2019”, disse o professor Po-Yen Chen, coautor do artigo, ao Tech Xplore. "O impacto da poluição plástica na vida marinha local - filmes plásticos flutuantes que enganam os peixes e as tartarugas marinhas que confundem resíduos plásticos com alimentos - foi profundamente perturbador. Isto motivou-me a aplicar os meus conhecimentos a esta questão ambiental e levou-me a concentrar-me na procura de uma solução quando montando meu laboratório de pesquisa na UMD."

Os métodos convencionais e anteriormente utilizados para procurar alternativas plásticas sustentáveis ​​são demorados e ineficientes. Em muitos casos, também produzem resultados fracos, por exemplo, identificando materiais que são biodegradáveis, mas que não têm as mesmas propriedades desejáveis ​​que o plástico.

A abordagem inovadora para identificar alternativas de plástico introduzida neste artigo recente depende de um modelo de aprendizado de máquina desenvolvido por Chen.

Além de ser mais rápida do que os métodos convencionais de busca de materiais, esta abordagem pode ser mais eficaz na descoberta de materiais que podem ser empregados de forma realista em ambientes de manufatura e indústria. Chen aplicou sua técnica de aprendizado de máquina à descoberta de alternativas totalmente plásticas em estreita colaboração com seus colegas Teng Li e Liangbing Hu.

“Combinando robótica automatizada, aprendizado de máquina e simulações de dinâmica molecular, aceleramos o desenvolvimento de substitutos plásticos totalmente naturais e ecologicamente corretos que atendem aos padrões essenciais de desempenho”, explicou Chen. "Nossa abordagem integrada combina robótica automatizada, aprendizado de máquina e ciclos ativos de aprendizado para acelerar o desenvolvimento de alternativas plásticas biodegradáveis."

Primeiro, Chen e seus colegas compilaram uma biblioteca abrangente de filmes nanocompósitos derivados de várias fontes naturais. Isso foi feito usando um robô pipetador autônomo, que pode preparar amostras de laboratório de forma independente.

Posteriormente, os pesquisadores usaram esta biblioteca de amostra para treinar o modelo baseado em aprendizado de máquina de Chen. Durante o treinamento, o modelo tornou-se gradativamente mais proficiente na previsão das propriedades dos materiais com base em sua composição, por meio de um processo conhecido como aprendizagem ativa iterativa.

“A sinergia da robótica e do aprendizado de máquina não apenas acelera a descoberta de substitutos naturais do plástico, mas também permite o design direcionado de alternativas plásticas com propriedades específicas”, disse Chen. "Nossa abordagem reduz significativamente o tempo e os recursos necessários, em comparação com o método tradicional de pesquisa por tentativa e erro."

Este estudo recente e a abordagem que introduziu poderão acelerar a procura futura de alternativas plásticas ecológicas. O modelo da equipe poderá em breve ser usado por equipes em todo o mundo para produzir nanocompósitos totalmente naturais com propriedades ajustáveis ​​e vantajosas.

“Ao combinar robótica, aprendizado de máquina e ferramentas de simulação, estabelecemos um fluxo de trabalho que acelera a descoberta de novos materiais funcionais e permite a personalização para aplicações específicas”, disse Chen.

"Nossa abordagem integrada reduz a barreira do projeto para uma alternativa verde aos plásticos petroquímicos, ao mesmo tempo que permanece ambientalmente segura. Ela também fornece um banco de dados aberto e expansível focado em materiais funcionais verdes, ecológicos e biodegradáveis."

No futuro, a abordagem inovadora desenvolvida por Chen poderá ajudar a reduzir a poluição plástica em todo o mundo, facilitando a transição de múltiplos sectores para materiais mais sustentáveis. Nos próximos estudos, os pesquisadores pretendem continuar trabalhando para resolver os problemas ambientais causados ​​pelos plásticos petroquímicos.

Por exemplo, eles esperam expandir a gama de materiais naturais que os fabricantes podem escolher. Além disso, tentarão ampliar as possíveis aplicações dos materiais identificados pelo seu modelo e garantir que esses materiais possam ser produzidos em larga escala.

“Estamos agora trabalhando para encontrar os materiais biodegradáveis ​​e sustentáveis ​​certos para embalar produtos frescos após a colheita, substituindo embalagens plásticas descartáveis ​​de alimentos e melhorando a vida útil desses produtos pós-colheita”, acrescentou Chen.

"Também estamos investigando como gerenciar o descarte desses plásticos biodegradáveis, incluindo reciclá-los ou convertê-los em outros produtos químicos úteis. Esses esforços são passos cruciais para tornar nossas soluções não apenas ecologicamente corretas, mas também alternativas economicamente viáveis ​​aos plásticos convencionais. Este trabalho contribui significativamente para a iniciativa mundial para reduzir a poluição plástica."

Mais informações: Tianle Chen et al, Descoberta acelerada por inteligência artificial de substitutos plásticos totalmente naturais, Nanotecnologia da Natureza (2024). DOI:10.1038/s41565-024-01635-z
Informações do diário: Nanotecnologia da Natureza

© 2024 Science X Network