自然环境中塑料废物的积累是最令人担忧的，因为它正在加剧生态系统的破坏并对水生生物造成伤害。近年来，材料科学家一直试图寻找可用于包装或制造产品的塑料的全天然替代品。
马里兰大学帕克分校的研究人员最近设计了一种新方法来发现有前途的可生物降解塑料替代品。他们提出的方法在《自然纳米技术》上发表的一篇论文中概述，将最先进的机器学习技术与分子科学结合起来。
该论文的合著者 Po-Yen Chen 教授告诉 Tech Xplore：“这项研究的灵感来自 2019 年对西太平洋帕劳的访问。” “塑料污染对海洋生物的影响——漂浮的塑料薄膜欺骗了鱼类和海龟，将塑料垃圾误认为是食物——令人深感不安。这促使我将我的专业知识应用于这个环境问题，并促使我专注于寻找解决方案在马里兰大学建立我的研究实验室。”
传统和以前采用的寻找可持续塑料替代品的方法既耗时又低效。在许多情况下，它们也产生较差的结果，例如，识别可生物降解但不具有与塑料相同的理想特性的材料。
最近的论文中介绍的识别塑料替代品的创新方法依赖于陈开发的机器学习模型。
除了比传统的材料搜索方法更快之外，这种方法还可以更有效地发现可在制造和工业环境中实际使用的材料。陈与同事李腾和胡良兵密切合作，将他的机器学习技术应用于发现全塑料替代品。
“结合自动化机器人技术、机器学习和分子动力学模拟，我们加速了符合基本性能标准的环保、全天然塑料替代品的开发，”陈解释道。“我们的集成方法结合了自动化机器人、机器学习和主动学习循环，以加快可生物降解塑料替代品的开发。”
首先，陈和他的同事们编制了一个来自各种天然来源的纳米复合薄膜的综合库。这是使用自主移液机器人完成的，该机器人可以独立准备实验室样品。
随后，研究人员使用这个样本库来训练陈的基于机器学习的模型。在训练过程中，模型通过迭代主动学习的过程逐渐变得更加熟练地根据材料的成分预测材料的特性。
“机器人技术和机器学习的协同作用不仅加快了天然塑料替代品的发现，而且还可以有针对性地设计具有特定性能的塑料替代品，”陈说。“与传统的试错研究方法相比，我们的方法显着减少了所需的时间和资源。”
最近的这项研究及其引入的方法可以加快未来对环保塑料替代品的寻找。该团队的模型很快就会被世界各地的团队用来生产具有可调节和有利性能的全天然纳米复合材料。
“通过结合机器人技术、机器学习和模拟工具，我们建立了一个工作流程，可以加速新功能材料的发现并实现针对特定应用的定制，”陈说。
“我们的综合方法降低了石化塑料绿色替代品的设计障碍，同时保持环境安全。它还提供了一个开放且可扩展的数据库，专注于绿色、环保和可生物降解的功能材料。”
未来，陈开发的创新方法可以通过促进多个部门向更可持续的材料过渡，帮助减少全球塑料污染。在接下来的研究中，研究人员计划继续致力于解决石化塑料造成的环境问题。
例如，他们希望扩大制造商可以选择的天然材料的范围。此外，他们将尝试拓宽其模型确定的材料的可能应用，并确保这些材料可以大规模生产。
“我们现在正在努力寻找合适的可生物降解和可持续材料来包装收获后的新鲜农产品，取代一次性塑料食品包装，并提高这些收获后产品的保质期，”陈补充道。
“我们还在研究如何管理这些可生物降解塑料的处置，包括回收它们或将它们转化为其他有用的化学品。这些努力是使我们的解决方案不仅环保而且成为传统塑料的经济可行替代品的关键步骤。这项工作为全球减少塑料污染的倡议做出了重大贡献。”
