La acumulación de residuos plásticos en entornos naturales es motivo de suma preocupación, ya que contribuye a la destrucción de los ecosistemas y daña la vida acuática. En los últimos años, los científicos de materiales han estado intentando identificar alternativas totalmente naturales al plástico que podrían usarse para envasar o fabricar productos.
Investigadores de la Universidad de Maryland, College Park, idearon recientemente un nuevo enfoque para descubrir alternativas plásticas biodegradables prometedoras. Su método propuesto, descrito en un artículo publicado en Nature Nanotechnology , combina técnicas de aprendizaje automático de última generación con ciencia molecular.
"Mi inspiración para esta investigación surgió de una visita a Palau en 2019 en el Pacífico occidental", dijo a Tech Xplore el profesor Po-Yen Chen, coautor del artículo. "El impacto de la contaminación plástica en la vida marina allí (películas plásticas flotantes que engañan a los peces y tortugas marinas confundiendo los desechos plásticos con alimentos) fue profundamente inquietante. Esto me motivó a aplicar mi experiencia a este problema ambiental y me llevó a concentrarme en encontrar una solución cuando estableciendo mi laboratorio de investigación en la UMD."
Los métodos convencionales y empleados anteriormente para buscar alternativas plásticas sostenibles requieren mucho tiempo y son ineficientes. En muchos casos, también dan malos resultados, por ejemplo, identificando materiales que son biodegradables pero que no tienen las mismas propiedades deseables que el plástico.
El enfoque innovador para identificar alternativas plásticas presentado en este artículo reciente se basa en un modelo de aprendizaje automático desarrollado por Chen.
Además de ser más rápido que los métodos convencionales de búsqueda de materiales, este enfoque podría ser más eficaz para descubrir materiales que puedan emplearse de manera realista en entornos industriales y de fabricación. Chen aplicó su técnica de aprendizaje automático al descubrimiento de alternativas totalmente plásticas en estrecha colaboración con sus colegas Teng Li y Liangbing Hu.
"Al combinar robótica automatizada, aprendizaje automático y simulaciones de dinámica molecular, aceleramos el desarrollo de sustitutos plásticos totalmente naturales y respetuosos con el medio ambiente que cumplen con estándares de rendimiento esenciales", explicó Chen. "Nuestro enfoque integrado combina robótica automatizada, aprendizaje automático y ciclos de aprendizaje activo para acelerar el desarrollo de alternativas al plástico biodegradable".
En primer lugar, Chen y sus colegas compilaron una biblioteca completa de películas nanocompuestas derivadas de diversas fuentes naturales. Esto se hizo utilizando un robot de pipeteo autónomo, que puede preparar muestras de laboratorio de forma independiente.
Posteriormente, los investigadores utilizaron esta biblioteca de muestra para entrenar el modelo basado en aprendizaje automático de Chen. Durante el entrenamiento, el modelo gradualmente se volvió más competente en la predicción de las propiedades de los materiales en función de su composición, a través de un proceso conocido como aprendizaje activo iterativo.
"La sinergia de la robótica y el aprendizaje automático no sólo acelera el descubrimiento de sustitutos naturales del plástico, sino que también permite el diseño específico de alternativas plásticas con propiedades específicas", dijo Chen. "Nuestro enfoque reduce significativamente el tiempo y los recursos necesarios, en comparación con el método de investigación tradicional de prueba y error".
Este estudio reciente y el enfoque que introdujo podrían acelerar la búsqueda futura de alternativas plásticas ecológicas. El modelo del equipo pronto podría ser utilizado por equipos de todo el mundo para producir nanocompuestos totalmente naturales con propiedades ajustables y ventajosas.
"Al combinar la robótica, el aprendizaje automático y las herramientas de simulación, hemos establecido un flujo de trabajo que acelera el descubrimiento de nuevos materiales funcionales y permite la personalización para aplicaciones específicas", afirmó Chen.
"Nuestro enfoque integrado reduce la barrera del diseño para una alternativa ecológica a los plásticos petroquímicos sin dejar de ser ambientalmente seguro. También proporciona una base de datos abierta y ampliable centrada en materiales funcionales ecológicos, biodegradables y ecológicos".
En el futuro, el enfoque innovador desarrollado por Chen podría ayudar a reducir la contaminación plástica en todo el mundo, al facilitar la transición de múltiples sectores hacia materiales más sostenibles. En sus próximos estudios, los investigadores planean continuar trabajando para abordar los problemas ambientales causados por los plásticos petroquímicos.
Por ejemplo, esperan ampliar la gama de materiales naturales entre los que los fabricantes pueden elegir. Además, intentarán ampliar las posibles aplicaciones de los materiales identificados por su modelo y conseguir que estos materiales puedan producirse a gran escala.
"Ahora estamos trabajando para encontrar los materiales biodegradables y sostenibles adecuados para envasar productos frescos después de la cosecha, reemplazar los envases de plástico para alimentos de un solo uso y mejorar la vida útil de estos productos poscosecha", añadió Chen.
"También estamos investigando cómo gestionar la eliminación de estos plásticos biodegradables, incluido su reciclaje o su conversión en otros productos químicos útiles. Estos esfuerzos son pasos cruciales para hacer que nuestras soluciones no sólo sean alternativas respetuosas con el medio ambiente sino también económicamente viables a los plásticos convencionales. Este trabajo contribuye significativamente a la iniciativa mundial para reducir la contaminación plástica."
Más información: Tianle Chen et al, Descubrimiento acelerado por inteligencia artificial de sustitutos del plástico totalmente naturales, Nanotecnología natural (2024). DOI:10.1038/s41565-024-01635-z
Información de la revista: Nanotecnología de la naturaleza
© 2024 Red Ciencia X
