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】利用机器学习降低塑料的环境影响

责任编辑:Irene Shen3 分钟阅读
利用机器学习降低塑料的环境影响

要点

  • 全球每年生产约1亿吨HDPE,生产能耗超纽约市全年用电量15倍。
  • PEPPr模型基于超过150个聚乙烯样品数据库训练,涵盖多样性能参数。
  • 回收商每磅再生塑料在质量提升上的预算仅约5美分。
  • 研究发表于《美国化学会志》,由康奈尔大学DiStasio、Coates及Fors团队完成。

全球每年生产约1亿吨高密度聚乙烯(HDPE),这种应用最广泛的塑料之一,其生产能耗超过纽约市全年用电量的15倍,并向垃圾填埋场和海洋排放大量塑料废弃物。

康奈尔大学化学系研究人员开发出一种机器学习模型,帮助制造商定制并优化HDPE材料,从而减少各类应用中的材料用量,降低这种广泛用于牛奶壶、洗发水瓶、游乐设施等领域的聚合物的环境影响。该模型还可提升再生HDPE的质量,使其性能媲美原生材料,使回收流程更具可行性。

艺术与科学学院(A&S)化学与化学生物学副教授Robert DiStasio Jr.表示:“这一方法的应用将推动下一代大宗材料的设计,并促进更高效的聚合物回收,从而降低HDPE对环境的总体影响。”

该研究题为《基于分子量分布的机器学习聚合物设计》,于3月14日发表于《美国化学会志》(Journal of the American Chemical Society),由DiStasio与聚合物专家Geoffrey Coates(A&S化学与化学生物学系Tisch大学教授)及Brett Fors(A&S物理化学Frank and Robert Laughlin教授)合作完成。

博士生Jenny Hu为第一作者。DiStasio研究组的博士后Zachary Sparrow、前博士后Brian Ernst及博士生Spencer Mattes亦参与了研究。

Fors的实验室专注于可持续聚合物研究。他指出,HDPE能耗巨大,主要源于其超大规模生产,且回收过程面临多重挑战。

“回收聚乙烯的成本高于生产原生塑料,”Fors说,“另一个问题是,机械回收会打断聚合物链,导致材料性能下降。”

Coates表示,HDPE每次回收后质量都会下降。“不能简单地将这些塑料熔化重制。它不像铝,每次回收都能保持完美性能。必须投入大量努力提升其价值,使其重新具备使用价值。”

Coates指出,回收商每磅再生塑料在提升质量(即“增值”)上的预算仅约5美分。

目前,回收设施通常通过掺入少量原生塑料来提升再生料的质量。然而,由于再生原料的配比每日波动,确定需添加的新料数量始终充满不确定性。

降低聚乙烯生产过程中的物料与能源消耗,并精准控制再生料的质量及物理性能,关键在于深入理解样品中不同长度聚合物链——即分子量分布——对材料性能的影响。核心指标包括制造过程中的熔体粘度,以及成品后的强度与韧性。

DiStasio及其实验室团队利用一个名为PEPPr(PolyEthylene Property PRedictor,聚乙烯性能预测器)的机器学习模型进行训练。该模型基于一个包含超过150个聚乙烯样品的数据库,这些样品由Coates、Fors及其团队成员合成并完成表征。

“我们需要一个涵盖不同分子量分布的聚合物库,”DiStasio表示,“同时,我们也希望库中的聚合物在加工性能和机械性能上具有多样性。”

研究人员指出,理解这些材料的组成与其性能之间的复杂关系,必须借助机器学习强大的算力。

DiStasio表示,PEPPr解决了两个关键问题。首先,若已知高密度聚乙烯(HDPE)样品的分子量分布,模型可预测其熔体粘度、韧性和强度等性能;其次,该模型支持逆向应用,即当用户设定目标性能参数时,模型可反推具备相应性能的聚合物样品特征。

Fors举例说明:“若目标是生产塑料袋,所需的熔体性能与生产皮划艇时截然不同。”

研究人员强调,PEPPr方法迈向更智能、更精准的聚合物设计,以及更高效、更可持续的回收工艺迈出了第一步。他们计划扩展模型可预测的性能范围,并纳入对性能影响显著的加工工艺参数,同时希望将模型拓展至其他聚合物类别。

Fors指出:“我们应当能够为任何类型的商用聚合物开发此类模型。这应成为一种通用的方法,用于调控性能并回收其他材料。”

该研究得到美国国家科学基金会可持续聚合物中心以及康奈尔大学材料研究中心的支持,资金来源于本科生研究体验(Research Experience for Undergraduates)计划。

编辑观点

该模型为再生HDPE的精准调控提供了数据化工具,有助于降低机械回收的性能衰减问题。从业者应关注机器学习在聚合物设计中的应用,探索通过优化分子量分布提升再生料价值,以应对回收成本高于原生料的挑战。

常见问题

PEPPr模型如何帮助优化再生HDPE性能?

PEPPr模型通过预测分子量分布对熔体粘度、韧性和强度的影响,支持逆向设计目标性能。依据是模型基于150多个聚乙烯样品数据库训练,能反推具备特定性能的聚合物特征,从而精准控制再生料质量。

机械回收HDPE面临的主要技术瓶颈是什么?

机械回收会打断聚合物链导致性能下降,且回收成本高于原生塑料生产。依据是Fors指出回收聚乙烯成本更高,Coates强调每次回收质量下降,需投入大量努力提升价值,目前回收商每磅增值预算仅约5美分。

PEPPr模型的数据基础包含多少样品?

模型基于包含超过150个聚乙烯样品的数据库进行训练。依据是这些样品由Coates、Fors及团队成员合成并完成表征,涵盖不同分子量分布及加工、机械性能多样性,为机器学习提供充足数据支撑。