Zefektivnění recyklace s AI: Postřehy z výzkumu NIST

Recyklace může být pro místní samosprávy značným nákladem, ale umělá inteligence může pomoci tyto náklady snížit a potenciálně zvýšit míru recyklace. Výzkumníci z NIST pracují na tom, aby byla recyklace efektivnější a levnější.

Přemýšleli jste někdy, co se stane s vaším plastem poté, co ho vyhodíte do „koše“?

Tato otázka se v poslední době často objevuje ve zprávách.

Odpověď je poměrně složitá. Záleží na tom, kde bydlíte a jaký typ plastu jste vyhodili.

Sběr recyklovatelných materiálů představuje pro místní samosprávy obrovské náklady. Potřebují udržovat zařízení na zpracování plastů, stejně jako nákladní auta a popelnice na jejich sběr. Potřebují také najmout lidi, aby tuto práci vykonávali. Mnohem levnější by bylo vše jen tak vysypat na skládku.

Když však místní samosprávy recyklují, mohou odpadky proměnit v hotovost, pokud mají správnou infrastrukturu. Některé náklady mohou kompenzovat prodejem sebraných plastů zpět výrobcům. Většina výrobců chce, aby recyklované plasty byly téměř stejně dobré jako nové, což vyžaduje pečlivé třídění, aby se získaly konzistentní produkty.

Většině lidí připadají všechny plasty stejné. Ale bystré oči vědí, že existuje sedm běžných typů plastů. Poznáte je podle malých recyklačních symbolů na dně téměř všech plastových nádob. Tato čísla pomáhají identifikovat chemické složení těchto plastů. Možná jste si jich všimli při třídění vlastní recyklace.

Zde je rozpis některých z těchto materiálů:

Materiál	Běžná použití	Recyklační kód
Polyethylentereftalát	Lahve na sodovku, lahve na vodu	1 – PETE
Polyetylen s vysokou hustotou	Konvičky na mléko, láhve na saponáty	2 – HDPE
Polyvinyl chlorid	Trubky, sprchové závěsy	3 – PVC
Polyethylen s nízkou hustotou	Sáčky na potraviny, sáčky na sendviče	4 – LDPE
Polypropylen	Nádoby na vyndání, kelímky od jogurtů	5 – PP
Polystyren	Jednorázové šálky na kávu	6 – PS
jiný	Ochranné brýle, DVD, mnoho opakovaně použitelných lahví na vodu	7 – Ostatní

Třídění těchto plastů je zásadní. Různé typy plastů s podobnými vlastnostmi často nelze smíchat, protože vyžadují různé procesy tavení.

Vezměte si například PVC. Používá se ve všem, od potrubí po sprchové závěsy. Roztavený PVC produkuje silnou kyselinu použitelnou v mnoha průmyslových aplikacích. Ale stejně jako mnoho jiných kyselin to není něco, co byste chtěli vyrobit nečekaně.

Mírnějším příkladem jsou polyolefiny, skupina plastů zahrnující HDPE (používaný v mléčných džbánech), LDPE (používaný v plastových sáčcích) a PP (používaný ve vyjímacích nádobách). Tyto plasty tvoří cca 40% světové produkce plastů. Jsou také jedny z nejobtížnějších na třídění.

Typ plastu používaného v džbánech na mléko vyžaduje vysoké teploty k roztavení a opětovnému zpracování kvůli jeho krystalické struktuře. Pokud se však do plastových sáčků přimíchají nečistoty, tyto sáčky při těchto vysokých teplotách degradují. Pokud se tedy plastový sáček zamíchá s konvičkami na mléko, může to mít za následek vznik nepoužitelných konviček na mléko. Toto riziko zpracování je jedním z důvodů, proč nevidíte mnoho džbánů na mléko vyrobených z recyklovaného plastu.

Navíc, pokud některé vysokoteplotně stabilní materiály z vytahovacích nádob skončí na lince na zpracování plastových sáčků, můžete vidět ucpání stroje.

Pracovníci v Montgomery County Recycling Center třídí materiály k recyklaci.

Teoreticky můžete plastový odpad snadno třídit pomocí malých recyklačních symbolů. Poté můžete tyto vytříděné plasty prodat sekundárním recyklátorům, kteří je přemění na produkty.

Cena se odvíjí od předpokládané čistoty plastu. Velký balík oranžových lahví na prací prostředky se může prodávat za vysokou cenu, protože se snadno vybírají. Hromada vytahovacích nádob se však může snadno smíchat s různými barvami nebo přísadami.

V místním recyklačním zařízení v okrese Montgomery v Marylandu lidé ručně třídí lahve od detergentů, nádoby na potraviny a další. Ruce a oči se však mohou pohybovat jen tak rychle a při této rychlosti je snadné dělat chyby. Recyklační zařízení se tedy zaměřují na třídění vysoce hodnotných nebo snadno identifikovatelných plastů, aby byla zachována konzistence při prodeji sekundárním recyklátorům. To znamená, že láhve na čisticí prostředky a nádoby na nápoje jsou recyklovány vysokou rychlostí. Vaše plastové „příbory“ a staré dětské hračky možná ne.

Abychom usnadnili třídění, naše práce v NIST se zaměřila na použití blízkého infračerveného světla (NIR), což je technologie, která dokáže rychle identifikovat různé plasty. Některá špičková recyklační zařízení již používají světla nebo kamery, aby „viděla“ a třídila lahve od sody z PVC trubek.

Tyto systémy ale nedokážou seřadit vše. Můj výzkum se zaměřuje na vytvoření metody, která pomůže třídit nejnáročnější plasty, aby recyklátoři mohli vydělat.

Jak zefektivňujeme recyklaci

S ohledem na to se náš tým podíval na tuto metodu NIR a rozhodl se ji vylepšit pomocí algoritmů strojového učení a dalších vědeckých technik.

V infračervené spektroskopii svítíte na některé molekuly různými vlnovými délkami světla. Tyto molekuly absorbují část světelné energie na specifických vlnových délkách a zbytek odrážejí nebo propouštějí.

Jedním ze způsobů, jak o tom přemýšlet, jsou květiny a barvy. Například, když na červenou růži svítí mnoho vlnových délek světla ze slunce, růže velmi dobře absorbuje každou vlnovou délku/barvu kromě červené. Červené světlo se odráží od okvětních lístků, a proto se nám růže jeví jako červená.

Pokud známe barvu a intenzitu světla, které svítíme na květinu nebo plastovou láhev, a barvu/intenzitu, kterou získáme zpět, můžeme rozdíly použít k identifikaci více těchto květin nebo lahví, jako je otisk prstu.

Pomocí strojového učení můžeme najít otisky prstů NIR mnoha plastových materiálů. Poté „trénujeme“ počítače, aby identifikovaly plasty na základě nových signálů NIR ve srovnání se signály NIR jiných plastů. Toto školení pomáhá technologii rozpoznat materiály v lahvích na sodu, pochopit, jak se liší od nádob na vyndání, a podle toho je oddělit.

V našem prvním článku jsme použili strojové učení k propojení našich plastových signálů s určitými vlastnostmi (jako je hustota a krystalický polyethylen). Obvykle měříte hustotu vážením plastu v různých kapalinách a porovnáváním rozdílů. Je to velmi pomalý a zdlouhavý proces.

Ukázali jsme však, že téměř stejné informace můžete najít pomocí odraženého světla – mnohem rychleji. Na recyklační lince je rozhodující čas.

Tuto metodu můžete aplikovat na velké i malé vzorky. To je skvělé, protože to ukazuje, že pokud věci pečlivě nastavíme, můžeme z těchto měření na základě světla získat více informací.

Toto je zatím velmi přípravná práce a zatím se netýká všech typů plastů. Nemůžeme si tedy jen tak posvítit na jakýkoli plast a znát jeho přesné vlastnosti, ale je to vzrušující začátek. Pokud to dokážeme zvětšit, mohlo by to recyklátorům a výrobcům ušetřit spoustu času a úsilí v krocích kontroly kvality.

Od zveřejnění této práce se zabývám tím, jak naložit se všemi daty z těchto měření. Skončíte s velmi odlišnými údaji na základě tvaru plastu a toho, zda je vzorkem peleta, prášek nebo lahvička.

Světlo se totiž stále odráží, ale odráží se v různých směrech v závislosti na tvaru plastu. Představte si odrazy na čistém rybníku versus rybník s mnoha vlnkami. Poté můžete přidat pigmenty a konzervační látky, které mohou skutečně změnit signál. To neznamená, že data jsou chybná, ale může to ovlivnit řazení. Můžete si to představit jako kategorizaci fotografií lidí v černé a bílé oproti stejným lidem v černobílé, barevné, komiksové a malované podobě.

Abychom to vyřešili, tým rozšířil naši datovou sadu a já se dívám na matematické opravy, aby se prášky, pelety a barevné plasty dostaly na stejné hřiště. Pokud to dokážeme, bude identifikace, který plast je který, pomocí strojového učení jednodušší.

Aby byl tento výzkum širší, pracuji na tom, abych ukázal, že umíme třídit tyto složité polyolefiny. Při použití mé současné metody jsme při třídění těchto plastů dosáhli přesnosti 95% až 98%. Děláme to pomocí procesů, které může rychle začít používat téměř každé recyklační zařízení vybavené NIR.

Mnoho recyklačních zařízení již možná používá podobné algoritmy, ale tato práce poskytuje další úroveň zdokonalení se zaměřením konkrétně na obtížně tříditelné polyolefiny.

Pokud je dokážeme efektivně třídit, můžeme je znovu použít s menším počtem problémů se zpracováním, díky čemuž je recyklace ziskovější. Pak, doufejme, mohou zisky vést k lepším recyklačním návykům a můžeme začít měnit naši lineární ekonomiku na cirkulární.

Recyklace jako hádanka k vyřešení

Jsem řešitel problémů, skáču z jedné hádanky na druhou.

Kromě výzkumu polymerů jsem pracoval na systémech podávání léků pro rakovinu vaječníků a nyní používám umělou inteligenci (AI) a strojové učení.

Rád dělám dobro při řešení složitých problémů. Udržitelnost a bio-šetrné materiály byly krásným tématem celé mé výzkumné kariéry.

Možná jste zpočátku neviděli spojení mezi biomedicínským výzkumem a plasty. Ale systémy podávání léků mohou pomoci vytvořit opravdu skvělé materiály s aplikacemi mimo medicínu. Práce s plasty může také zlepšit naše chápání DNA, proteinů a kolagenu v našem těle.

Nyní, s explozí umělé inteligence, máme nové nástroje pro rychlejší a efektivnější výzkum materiálů. Je to vzrušující doba v oblasti udržitelných materiálů!

Budoucnost Řazení Výzkum

V současné době dokončuji dvouletou smlouvu v NIST a hledám další hádanku k vyřešení.

Plánuji však zůstat ve spojení s NIST jako přidružená společnost, abych pomohl ostatním výzkumníkům používat mé techniky.

Doufám, že pomůžu širší recyklační komunitě používat analýzu dat ke zlepšení naší recyklace a pomoci vyčistit naši planetu.