【美国】研究发现AI简化可回收食品包装聚合物搜索

要点
- 康奈尔大学研究筛选出740万种满足八项性能指标的可回收聚合物。
- poly-PDO在六小时内实现超过95%的单体回收率。
- 研究聚焦解决PP、PE、EVOH等难以回收的聚合物问题。
- poly-PDO水蒸气阻隔性能达到包装应用目标要求。
美国康奈尔大学的研究人员利用人工智能与机器学习技术,简化了可化学回收聚合物的筛选流程。这类聚合物可作为现有食品包装单体的“直接替代品”。
题为《人工智能辅助设计用于食品包装的可化学回收聚合物》的研究,构建了一套优化工作流,旨在为基于聚合物的包装材料寻找单层及多层替代方案。该研究聚焦于解决传统食品包装中因化学结构复杂而难以回收的聚合物问题,例如聚丙烯(PP)、聚乙烯(PE)和乙烯-乙烯醇共聚物(EVOH)。
研究人员指出:“食品保鲜是当代面临的挑战,需要兼具保护性能与可持续性的材料。经过适当优化的聚合物材料,有望成为传统解决方案的有效替代。”
“当前包装塑料普遍采用多层结构。尽管这种结构有效,但其在垃圾填埋场中难以降解,会碎裂成微塑料,造成长期环境污染。”
此外,研究人员强调,多层聚合物结构对回收构成“重大障碍”,因为化学性质不同的各层必须被分离,而这一过程“耗时且耗费资源”。
可持续聚合物的识别
在可回收聚合物识别过程中,机器学习模型预测了可回收聚合物需满足的八项关键性能指标。
研究人员确定的八项性能指标包括:拉伸强度、柔韧性、聚合焓、氧气及水蒸气透过率,以及降解温度、熔点和玻璃化转变温度。
聚合焓是指单体通过化学键结合形成聚合物时释放或吸收的能量,是衡量化学可回收性的“关键指标”。
机器学习模型筛选出740万种满足全部八项要求的可行聚合物。随后,研究人员主要依据聚合焓等指标,利用人工智能预测对这些潜在聚合物进行进一步筛选。
在缩小潜在适用聚合物范围后,研究人员对聚对二氧环己酮(poly-PDO)进行了实验研究。这是一种现有聚合物,此前尚未被考虑用作食品包装材料。
可回收替代方案
该研究表明,对聚对二氧环己酮的实验验证显示,其作为传统食品包装单体(如PP、PE和EVOH)的可化学回收替代方案,具有良好前景。
测试结果显示,聚PDO(poly-PDO)的水蒸气阻隔性能达到了包装应用的目标要求,其热学性能也基本符合人工智能(AI)设定的性能指标。
此外,该材料展现出“合理”的力学性能,尽管实验测得数值低于预测值,这凸显了进一步优化的必要性。
最关键的是,聚PDO表现出极高的化学回收性,在六小时内实现了超过95%的单体回收率。
研究人员总结道:“我们对聚PDO的实验测量结果与机器学习预测值之间的高度一致性,证实了预测模型的稳健性。”
力学性能方面,预测值与实测值之间存在偏差。这被认为凸显了进一步优化聚合物样品及机器学习模型的必要性。
“弥补这些不足对于提升实验优化水平和预测可靠性至关重要,也是为可持续世界设计真正实用且有效的聚合物所必须追求的目标。”
编辑观点
该研究验证了AI辅助设计在可化学回收聚合物筛选中的有效性,为食品包装替代方案提供了实验依据。从业者应关注poly-PDO等新型聚合物的规模化应用潜力,以及AI模型在预测力学性能方面的优化需求,以推动食品级再生料的实际应用。
常见问题
康奈尔大学AI筛选出多少种可回收聚合物?
机器学习模型筛选出740万种满足八项性能指标的可行聚合物。研究人员依据聚合焓等指标,利用AI对潜在聚合物进行进一步筛选,缩小了适用范围。
poly-PDO的单体回收率是多少?
poly-PDO在六小时内实现了超过95%的单体回收率。实验测量结果与机器学习预测值高度一致,证实了预测模型的稳健性,展示了极高的化学回收性。
为什么多层包装结构难以回收?
多层聚合物结构对回收构成重大障碍,因为化学性质不同的各层必须被分离,这一过程耗时且耗费资源。当前包装塑料普遍采用多层结构,在垃圾填埋场中难以降解,会碎裂成微塑料。