El estudio examina el uso potencial del aprendizaje automático para el desarrollo sostenible de la biomasa

La biomasa se considera ampliamente como una alternativa renovable a los combustibles fósiles, y muchos expertos dicen que podría desempeñar un papel fundamental en la lucha contra el cambio climático. La biomasa almacena carbono y se puede convertir en bioproductos y energía que se puede utilizar para la mejora del suelo, el tratamiento de aguas residuales y la producción de materias primas renovables.

Sin embargo, su producción a gran escala se ha visto limitada por restricciones económicas y desafíos para optimizar y controlar la conversión de biomasa.

nuevo estudio Dirigido por Yuan Yao de la Escuela de Medio Ambiente de Yale, profesor asistente de ecología industrial y sistemas sostenibles, y estudiante de doctorado Hana Zhou Han Wang analizó las aplicaciones de aprendizaje automático existentes para biomasa y materiales derivados de biomasa (BDM) para determinar si el aprendizaje automático avanza la investigación y desarrollo de materiales derivados de la biomasa Biomasa. Los autores del estudio descubrieron que el aprendizaje automático no se ha aplicado en todo el ciclo de vida de BDM, lo que limita su potencial de evolución.

La investigación de Yao examina cómo las tecnologías emergentes y el desarrollo industrial afectan el medio ambiente con un enfoque en la bioeconomía y la producción sostenible. Wang trabajó en la producción de biomateriales durante la investigación de su maestría. Los dos investigadores dijeron que están interesados ​​en realizar este estudio para ver si el aprendizaje automático puede ayudar con las mejores prácticas para crear BDM, un componente clave de la bioeconomía, así como para predecir su desempeño como materiales sostenibles.

«Hay muchas combinaciones de materias primas de biomasa, tecnologías de conversión y aplicaciones BDM. Si tuviéramos que probar cada combinación utilizando el enfoque experimental tradicional de prueba y error, tomaría mucho tiempo, esfuerzo, esfuerzo y energía. Nosotros Ya generó una gran cantidad de datos de estos experimentos anteriores, por lo que preguntamos, ¿Podemos aplicar el aprendizaje automático para ayudarnos a descubrir cómo podemos diseñar mejor BDM?”, explica Yao.

Para el estudio, publicado en la revista Resources, Conservation and Recycling, Yao y Wang revisaron más de 50 artículos de investigación publicados desde 2008 para comprender las capacidades actuales, las limitaciones y el potencial futuro del aprendizaje automático para respaldar el desarrollo sostenible y las aplicaciones BDM. Lo que encontraron es que, si bien algunos estudios aplicaron el aprendizaje automático a los desafíos de datos para la evaluación del ciclo de vida, la mayoría de los estudios aplicaron el aprendizaje automático solo para predecir y mejorar el rendimiento técnico de la conversión y las aplicaciones de biomasa. No se han revisado las aplicaciones de aprendizaje automático en todo el ciclo de vida, desde el cultivo de biomasa hasta BDM y aplicaciones de uso final.

“La mayoría de los estudios aplican el aprendizaje automático a una parte muy pequeña de todo el ciclo de vida de BDM”, dice Yao. «Nuestro argumento es que si realmente desea incorporar la sustentabilidad en el desarrollo de estos materiales, debemos observar el ciclo de vida completo de los materiales, desde cómo se producen hasta su impacto ambiental potencial. Y creemos que el aprendizaje automático tiene la potencial para apoyar el diseño basado en la sustentabilidad para materiales derivados de la masa.” vitalidad.”

Wang dijo que el estudio condujo a una mayor investigación sobre las lagunas de datos en el aprendizaje automático de materiales derivados de la biomasa.

«Encontramos una dirección futura que la gente aún no ha explorado en términos de evaluaciones de sostenibilidad de BDM. Es necesario anticipar una trayectoria completa para avanzar en nuestra comprensión de cómo los diferentes factores relacionados con BDM interactúan y contribuyen a la sostenibilidad», dice.