Het creëren van plastic containers die gemakkelijk afbreken in zeewater zou een droomoplossing zijn voor het groeiende probleem van plastic afval in de oceaan, maar een team van Penn State New Kensington-onderzoekers suggereert dat, tenminste voor nu, recycling en het vinden van plastic alternatieven is misschien nog steeds de beste manier om met dit afval om te gaan.

In een onderzoek, gebruikten de onderzoekers een machine learning-algoritme om meer dan 110 soorten kunststoffen te classificeren, inclusief commerciële en in het laboratorium gemaakte variëteiten, om beter te begrijpen hoe ze kunnen degraderen in de oceaan, zei Robert Mathers, hoogleraar scheikunde.

"Een van de dingen waar we graag achter wilden komen, is wat er gaat gebeuren met de grote hoeveelheid plastic die in de oceaan zit. "zei Mathers. "Deze studie omvatte een breed scala aan gegevens over fysieke eigenschappen, in combinatie met een metriek die de samenstelling van moleculaire structuren zou kwantificeren en die zou gebruiken om de belangrijkste aspecten van plasticdegradatie in de oceaan te achterhalen."

Volgens de Ocean Conservancy, er is meer dan 150 miljoen ton plastic in de oceaan, met 8 miljoen metrische ton meer die elk jaar de oceaan binnenkomen. De onderzoekers, die hun bevindingen publiceerden in een recent nummer van Natuurcommunicatie , zei dat een aantal factoren in de oceaan kunnen helpen bij het afbreken van dit plastic, inclusief ultraviolette straling van de zon, wind, golven, zeewater, watertemperatuur en bacteriën. Ze ontdekten dat bepaalde soorten kunststoffen sneller afbreken dan andere wanneer ze aan deze omstandigheden worden blootgesteld.

Hoewel het kennen van de moleculaire structuur van de meer vatbare kunststoffen ingenieurs een kans zou kunnen geven om kunststoffen te ontwikkelen met minder milieu-impact, Mathers zei dat de economie van het op grote schaal produceren van die kunststoffen nog steeds een probleem zou zijn.

"Anderen hebben de mogelijkheid gesuggereerd om een ​​zwakke schakel in de moleculaire structuur van een plastic te plaatsen die de afbraak van die streng atomen zou kunnen versnellen, "zei Mathers. "Nu, dat is een goed idee, maar, direct, het is misschien geen economisch haalbare optie. Het is gewoon moeilijk om economisch te concurreren met polyethyleen en polypropyleen, welke de meest gebruikte kunststoffen ter wereld zijn. Dus, we willen ons waarschijnlijk blijven richten op recycling omdat dat de meest directe hulp biedt."

Het team benaderde het probleem van plastic in de oceaan door zoveel mogelijk gegevens te verzamelen over de moleculaire structuur van de verschillende plastics en informatie over hoe deze plastics zich gedragen in zeewater, zowel in het veld als in laboratoriumomstandigheden.

"Uit de literatuur konden we informatie krijgen over de fysieke eigenschappen van het plastic dat zich in de oceaan bevindt, bijvoorbeeld, molecuulgewichten, de glasovergangstemperatuur, de hoeveelheid kristalliniteit, maar gezien de moleculaire samenstelling was dit een kans die over het hoofd werd gezien. In dit verband, we ontdekten hoe we de moleculaire structuur konden vertalen in een metriek die we hydrofobiciteit noemden, dat is hoeveel het materiaal waarschijnlijk water opneemt of in contact wil komen met water, ' zei Mathers.

Kyungjun Min, een tweedejaars biochemie major, wie was de eerste auteur van het artikel, hielp bij het berekenen van deze hydrofobiciteitswaarden.

Er zijn zoveel soorten plastic en zoveel experimentele omstandigheden, machine learning werd instrumenteel om de onderzoekers te helpen bij het doorzoeken van de grote hoeveelheid gegevens, evenals het classificeren van die informatie, volgens Joseph Cuiffi, een assistent-docent, die met Mathers werkte.

"We zijn begonnen met basisgegevensanalyse om de gegevens te verkennen en te sorteren, daarna zijn we overgegaan op voorspellende machine learning om patronen en trends op te helderen, "Zei Cuiffi. "De machine learning heeft ons geholpen om belangrijke relaties te bepalen en om regels te ontwikkelen voor het voorspellen van plastic gedrag."

Na te hebben geëxperimenteerd met een paar verschillende modellen van machine learning, de onderzoekers kozen voor een beslisboom, machinale leerbenadering. Leden van het Institute for Computational and Data Sciences and Materials Research Institute hielpen het team door toegang te bieden tot machine learning-tools.

"We hebben eerst regressiemodellen geprobeerd, maar de inconsistenties in experimentele omstandigheden in onze dataset maakten dat moeilijk, " zei Cuiffi. "Classificatieleerlingen werkten veel beter, en beslisbomen, specifiek, waren nuttig omdat ze inzicht gaven in de geleerde regels, die inzichten verschafte in chemisch en fysisch gedrag."

Cuiffi voegde eraan toe dat machine learning - en datawetenschap, in het algemeen is ook nuttig voor dit soort interdisciplinair onderzoek.

"Ik denk dat de moderne tools die beschikbaar zijn voor data-analyse ons in staat stellen om grote, gevarieerde datasets gemakkelijker dan ooit te verkennen, " zei hij. "Ik waardeer ook interdisciplinaire inspanningen op dit gebied, met dit onderzoek bijv. omdat externe onderzoekers agnostisch naar de data kunnen kijken. Voor deze studie is Ik bracht vaak resultaten naar Dr. Mathers zonder te weten of ze klopten - en hij zou er echt van genieten om uit te plagen wat de gegevens lieten zien. Als ik meer inzicht had in de chemie, Ik heb de analyse misschien vertekend met mijn standpunt."

Volgens Mathers, het onderzoek toonde ook aan hoe data science en materiaalwetenschap kunnen bijdragen aan het oplossen van problemen die ooit buiten hun vakgebied werden overwogen.

"Ik was geïnteresseerd in duurzaamheid, duurzame materialen en dit idee van groene chemie al heel lang, " zei Mathers. "En toen we naar de onderzoeken in de huidige literatuur keken, we ontdekten dat er veel mensen waren die plastic in de oceaan onderzochten en de meeste van deze onderzoekers waren oceanografen, mariene biologen, ecologen, en mariene biologen. Ze deden echt interessant werk, maar vanuit een materiaalstandpunt, er waren geen systematische studies beschikbaar."

Hij voegde eraan toe dat er meer werk moet worden verzet om plastic in de oceaan te onderzoeken, inclusief het toevoegen van meer gegevens.