全球再生塑料资讯站再生塑料 · 循环经济← 全部资讯

回收技术

【美国】MSU科学家获NSF资助推进可生物降解包装研发

责任编辑:Irene Shen2 分钟阅读
MSU科学家获NSF资助推进可生物降解包装研发

要点

  • NSF资助密歇根州立大学项目,拨款金额为54万美元,为期两年。
  • 项目目标助力建立年规模400亿美元的可堆肥包装市场。
  • 利用AI机器学习技术,将原本需20年的化学结构筛选周期压缩至两年。
  • 研究团队将通过工业堆肥试验确认材料的生物降解特性及无微塑料残留。

美国国家科学基金会(NSF)资助的一项为期两年的新项目,由密歇根州立大学(Michigan State University, MSU)一位享誉全球的科学家牵头,旨在开发兼具成本效益、高性能、可生物降解且不含微塑料的创新热塑性包装材料。

密歇根州立大学农业与自然资源学院(College of Agriculture and Natural Resources)的“Faculty Laureate”(杰出教授)及包装学院(School of Packaging)教授穆罕默德·拉布纳瓦兹(Muhammad Rabnawaz)将利用这笔54万美元的拨款,通过实验及人工智能(AI)驱动的机器学习技术,探索此类材料。

该学院指出,目前许多塑料无法回收,这或许是包装行业面临的最大挑战。项目目标是开发能在堆肥环境中分解、且不留下持久性塑料颗粒的材料。拉布纳瓦兹表示,该项目有望助力建立一个年规模达400亿美元的可堆肥包装市场。

拉布纳瓦兹在一份声明中表示:“多层塑料在保护对水分敏感的食品、药品及其他产品方面发挥着重要作用,但它们也加剧了食品、水和土壤中塑料污染及微塑料的累积。微塑料的负面影响已得到美国国家科学基金会、美国环境保护署(EPA)及众多机构的认可,因此这已成为优先研究领域。这项工作对从农业到环境保护及人类健康等多个领域具有广泛影响。”其研究部分由密歇根州立大学农业生物研究(MSU AgBioResearch)资助。

借助这笔NSF资金,研究人员确立了三项主要目标,首要任务是开发用于评估热塑性材料化学设计的机器学习模型。拉布纳瓦兹指出,过去确定潜在可行的化学结构往往需要数年时间,而基于AI的机器学习方法能显著加速这一过程。

他在声明中补充道:“这是我获得的首个将运用AI、机器学习和预测建模的大型研究资助。其意义重大,因为AI在材料发现中正变得日益重要。我们可以评估数千种配方。以往完成此类研究可能需要20年,但我们正力争在两年内、仅用十分之一的资源实现这些目标。”

其次,研究团队将依据既定的多层塑料性能基准对这些材料进行评估,并通过工业堆肥试验确认其生物降解特性。最后,研究人员将考察这些材料在整个生命周期内的商业可行性与环境耐受性,涵盖从原材料生产到最终堆肥处理的全过程。

未来,该团队将与企业合作,以确保经济可行性,并在实际应用场景中测试这些材料。

编辑观点

AI驱动的材料发现正在重塑包装研发范式,从“试错法”转向“预测建模”,大幅降低创新门槛。从业者应关注可堆肥材料在工业堆肥条件下的实际降解数据,评估其对现有rPET、rPP等机械回收体系的分选干扰,提前布局兼容新型降解材料的回收基础设施。

常见问题

MSU这个NSF项目主要解决什么包装难题?

主要解决多层塑料难以回收及微塑料累积问题。项目旨在开发在堆肥环境中分解、不留下持久性塑料颗粒的热塑性包装材料,以应对当前包装行业面临的最大挑战。

AI技术如何加速MSU的包装材料研发?

AI机器学习模型能显著加速潜在可行化学结构的确定过程。以往完成此类研究可能需要20年,而利用AI评估数千种配方,力争在两年内仅用十分之一的资源实现目标。

该可堆肥包装市场预计规模有多大?

该项目有望助力建立一个年规模达400亿美元的可堆肥包装市场。拉布纳瓦兹指出,多层塑料虽保护敏感产品,但加剧了污染,因此开发无微塑料的降解材料具有广泛行业影响。