L’accumulo di rifiuti di plastica negli ambienti naturali è motivo di massima preoccupazione poiché contribuisce alla distruzione degli ecosistemi e causa danni alla vita acquatica. Negli ultimi anni, gli scienziati dei materiali hanno quindi cercato di identificare alternative completamente naturali alla plastica che potrebbero essere utilizzate per confezionare o fabbricare prodotti.
I ricercatori dell’Università del Maryland, College Park, hanno recentemente ideato un nuovo approccio per scoprire promettenti alternative alla plastica biodegradabile. Il metodo proposto, delineato in un articolo pubblicato su Nature Nanotechnology , combina tecniche di apprendimento automatico all'avanguardia con la scienza molecolare.
"La mia ispirazione per questa ricerca è nata da una visita del 2019 a Palau nel Pacifico occidentale", ha detto a Tech Xplore il prof. Po-Yen Chen, coautore dell'articolo. "L'impatto dell'inquinamento da plastica sulla vita marina - pellicole di plastica galleggianti che ingannano pesci e tartarughe marine scambiando i rifiuti di plastica per cibo - è stato profondamente inquietante. Ciò mi ha motivato ad applicare la mia esperienza a questo problema ambientale e mi ha portato a concentrarmi sulla ricerca di una soluzione quando allestendo il mio laboratorio di ricerca all'UMD."
I metodi convenzionali e precedentemente utilizzati per la ricerca di alternative alla plastica sostenibili richiedono molto tempo e sono inefficienti. In molti casi, danno anche scarsi risultati, ad esempio identificando materiali biodegradabili ma che non hanno le stesse proprietà desiderabili della plastica.
L'approccio innovativo per identificare le alternative alla plastica introdotto in questo recente articolo si basa su un modello di apprendimento automatico sviluppato da Chen.
Oltre ad essere più veloce rispetto ai metodi convenzionali di ricerca dei materiali, questo approccio potrebbe essere più efficace nella scoperta di materiali che possono essere realisticamente impiegati in contesti manifatturieri e industriali. Chen ha applicato la sua tecnica di apprendimento automatico alla scoperta di alternative interamente in plastica in stretta collaborazione con i suoi colleghi Teng Li e Liangbing Hu.
"Combinando robotica automatizzata, apprendimento automatico e simulazioni di dinamica molecolare, abbiamo accelerato lo sviluppo di sostituti della plastica completamente naturali e rispettosi dell'ambiente che soddisfano gli standard prestazionali essenziali", ha spiegato Chen. "Il nostro approccio integrato combina robotica automatizzata, apprendimento automatico e cicli di apprendimento attivo per accelerare lo sviluppo di alternative alla plastica biodegradabile."
Innanzitutto, Chen e i suoi colleghi hanno compilato una libreria completa di pellicole di nanocompositi derivati da varie fonti naturali. Ciò è stato fatto utilizzando un robot di pipettaggio autonomo, che può preparare autonomamente i campioni di laboratorio.
Successivamente, i ricercatori hanno utilizzato questa libreria di campioni per addestrare il modello basato sull’apprendimento automatico di Chen. Durante l'addestramento, il modello è diventato gradualmente più efficace nel prevedere le proprietà dei materiali in base alla loro composizione, attraverso un processo noto come apprendimento attivo iterativo.
"La sinergia tra robotica e apprendimento automatico non solo accelera la scoperta di sostituti naturali della plastica, ma consente anche la progettazione mirata di alternative alla plastica con proprietà specifiche", ha affermato Chen. "Il nostro approccio riduce significativamente il tempo e le risorse necessarie, rispetto al tradizionale metodo di ricerca per tentativi ed errori."
Questo recente studio e l’approccio introdotto potrebbero accelerare la futura ricerca di alternative alla plastica ecocompatibili. Il modello del team potrebbe presto essere utilizzato da team di tutto il mondo per produrre nanocompositi completamente naturali con proprietà regolabili e vantaggiose.
"Abbinando robotica, apprendimento automatico e strumenti di simulazione, abbiamo stabilito un flusso di lavoro che accelera la scoperta di nuovi materiali funzionali e consente la personalizzazione per applicazioni specifiche", ha affermato Chen.
"Il nostro approccio integrato abbassa le barriere progettuali per un'alternativa verde alla plastica petrolchimica pur rimanendo sicura per l'ambiente. Fornisce inoltre un database aperto ed espandibile incentrato su materiali funzionali verdi, ecologici e biodegradabili."
In futuro, l’approccio innovativo sviluppato da Chen potrebbe contribuire a ridurre l’inquinamento da plastica in tutto il mondo, facilitando la transizione di molteplici settori verso materiali più sostenibili. Nei prossimi studi, i ricercatori intendono continuare a lavorare per affrontare i problemi ambientali causati dalla plastica petrolchimica.
Sperano, ad esempio, di ampliare la gamma di materiali naturali tra cui i produttori possono scegliere. Inoltre, cercheranno di ampliare le possibili applicazioni dei materiali identificati dal loro modello e di garantire che questi materiali possano essere prodotti su larga scala.
"Stiamo ora lavorando per trovare i giusti materiali biodegradabili e sostenibili per confezionare i prodotti freschi dopo il raccolto, sostituendo gli imballaggi alimentari in plastica monouso e migliorando la durata di conservazione di questi prodotti post-raccolta", ha aggiunto Chen.
"Stiamo anche studiando come gestire lo smaltimento di queste plastiche biodegradabili, incluso il loro riciclaggio o la loro conversione in altre sostanze chimiche utili. Questi sforzi sono passi cruciali verso rendere le nostre soluzioni non solo rispettose dell'ambiente ma anche alternative economicamente valide alla plastica convenzionale. Questo lavoro contribuisce in modo significativo all'iniziativa mondiale per ridurre l'inquinamento da plastica."
Ulteriori informazioni: Tianle Chen et al, Scoperta accelerata dall'intelligenza artificiale di sostituti della plastica completamente naturali, Nanotecnologia naturale (2024). DOI:10.1038/s41565-024-01635-z
Informazioni sul giornale: Nanotecnologia naturale
© 2024 Rete Scienza X
