AI를 통한 재활용의 비용 효율성 향상: NIST 연구의 통찰력

재활용은 지방 정부에 상당한 비용이 될 수 있지만 AI는 이러한 비용을 절감하고 잠재적으로 재활용률을 높이는 데 도움이 될 수 있습니다. NIST 연구원들은 재활용을 보다 효율적이고 저렴하게 만들기 위해 노력하고 있습니다.

플라스틱을 "휴지통"에 버린 후 플라스틱이 어떻게 되는지 궁금한 적이 있습니까?

최근 뉴스에 이 질문이 자주 등장했습니다.

대답은 매우 복잡합니다. 거주 지역과 버린 플라스틱 종류에 따라 다릅니다.

재활용품 수거는 지자체 입장에서 막대한 비용이다. 플라스틱을 처리하는 시설은 물론 플라스틱을 수거할 트럭과 쓰레기통도 유지해야 합니다. 또한 일을 할 사람을 고용해야 합니다. 모든 것을 매립지에 버리는 것이 훨씬 저렴할 것입니다.

그러나 지방자치단체가 재활용할 때 올바른 인프라가 있다면 쓰레기를 현금으로 바꿀 수 있습니다. 수집된 플라스틱을 제조업체에 다시 판매하여 일부 비용을 상쇄할 수 있습니다. 대부분의 제조업체는 재활용 플라스틱이 새것과 거의 같기를 원하므로 일관된 제품을 제공하려면 신중한 분류가 필요합니다.

대부분의 사람들에게는 모든 플라스틱이 동일하게 보입니다. 하지만 예리한 눈을 가진 사람이라면 흔히 볼 수 있는 7가지 유형의 플라스틱이 있다는 것을 알고 있습니다. 거의 모든 플라스틱 용기 바닥에 있는 작은 재활용 기호로 식별할 수 있습니다. 이 숫자는 해당 플라스틱의 화학적 구성을 식별하는 데 도움이 됩니다. 재활용품을 분류할 때 이러한 현상을 발견했을 수도 있습니다.

다음은 이러한 자료 중 일부에 대한 분석입니다.

재료	일반적인 용도	재활용 코드
폴리에틸렌 테레프탈레이트	탄산음료병, 물병	1 – 피트
고밀도 폴리에틸렌	우유병, 세제병	2 – HDPE
폴리염화비닐	파이프, 샤워커튼	3 - PVC
저밀도 폴리에틸렌	식료품 가방, 샌드위치 가방	4 - LDPE
폴리프로필렌	테이크아웃용기, 요거트컵	5 - PP
폴리스티렌	일회용 커피 컵	6 – 추신
다른	보안경, DVD, 재사용 가능한 물병	7 – 기타

이러한 플라스틱을 분류하는 것은 매우 중요합니다. 유사한 특성을 지닌 다양한 유형의 플라스틱은 서로 다른 용융 공정이 필요하기 때문에 혼합할 수 없는 경우가 많습니다.

예를 들어 PVC를 생각해보십시오. 파이프부터 샤워 커튼까지 모든 곳에 사용됩니다. 용융된 PVC는 많은 산업 응용 분야에 유용한 강산을 생성합니다. 그러나 다른 많은 산과 마찬가지로 갑자기 만들고 싶은 것이 아닙니다.

HDPE(우유통에 사용), LDPE(비닐봉지에 사용), PP(테이크아웃 용기에 사용)를 포함한 플라스틱 그룹인 폴리올레핀은 보다 온화한 예를 제공합니다. 이 플라스틱은 약 40% 전 세계 플라스틱 생산량의 그것들은 또한 분류하기 가장 어려운 것들 중 하나입니다.

우유병에 사용되는 플라스틱 유형은 결정 구조로 인해 녹고 재처리하는 데 고온이 필요합니다. 그러나 비닐봉지 오염물질이 섞이면 이러한 고온에서 비닐봉지가 분해됩니다. 따라서 비닐봉지가 우유통과 섞이면 색이 없고 사용할 수 없는 우유통이 될 수 있습니다. 이러한 처리 위험은 재활용 플라스틱으로 만든 우유병을 많이 볼 수 없는 이유 중 하나입니다.

또한, 테이크아웃 용기의 일부 고온 안정성 재료가 비닐봉지 처리 라인에 쌓이는 경우 기계 막힘이 발생할 수 있습니다.

몽고메리 카운티 재활용 센터 직원들이 재활용할 재료를 분류하고 있습니다.

이론적으로는 작은 재활용 기호를 사용하여 플라스틱 폐기물을 쉽게 분류할 수 있습니다. 그런 다음 분류된 플라스틱을 2차 재활용업체에 판매하여 제품으로 만들 수 있습니다.

가격은 플라스틱의 순도에 따라 달라집니다. 큰 오렌지색 세제 병 묶음은 고르기가 쉽기 때문에 높은 가격에 팔릴 수 있습니다. 하지만 여러 개의 테이크아웃 용기에는 다양한 색상이나 첨가물이 쉽게 섞일 수 있습니다.

메릴랜드 주 몽고메리 카운티에 있는 지역 재활용 시설에서는 사람들이 세제 병, 식품 용기 등을 수동으로 분류하고 있습니다. 하지만 손과 눈은 너무 빨리만 움직일 수 있고, 그 속도에서는 실수를 하기 쉽습니다. 따라서 재활용 시설에서는 2차 재활용업체에 판매할 때 일관성을 유지하기 위해 가치가 높거나 식별하기 쉬운 플라스틱을 분류하는 데 중점을 둡니다. 이는 세제병과 음료수 용기가 높은 비율로 재활용된다는 것을 의미합니다. 플라스틱 "식기류"와 오래된 어린이 장난감은 그렇지 않을 수도 있습니다.

분류를 돕기 위해 NIST에서는 다양한 플라스틱을 신속하게 식별할 수 있는 기술인 근적외선(NIR)을 사용하는 데 중점을 두었습니다. 일부 최고의 재활용 시설은 이미 조명이나 카메라를 사용하여 PVC 파이프에서 음료수 병을 "보고" 분류합니다.

하지만 이러한 시스템이 모든 것을 정리할 수는 없습니다. 내 연구는 가장 까다로운 플라스틱을 분류하여 재활용업체가 수익을 올릴 수 있는 방법을 찾는 데 중점을 두고 있습니다.

재활용을 더욱 효율적으로 만드는 방법

이를 염두에 두고 우리 팀은 이 NIR 방법을 살펴보고 이를 기계 학습 알고리즘 및 기타 과학 기술로 개선하기로 결정했습니다.

적외선 분광법에서는 일부 분자에 다양한 파장의 빛을 비춥니다. 이 분자는 특정 파장에서 빛 에너지의 일부를 흡수하고 나머지는 반사하거나 전달합니다.

이에 대해 생각하는 한 가지 방법은 꽃과 색상을 이용하는 것입니다. 예를 들어, 태양으로부터 나오는 많은 파장의 빛이 빨간 장미에 비칠 때, 장미는 빨간색을 제외한 모든 파장/색상을 매우 잘 흡수합니다. 붉은 빛이 꽃잎에 반사되기 때문에 장미가 우리에게 붉은색으로 보이는 것입니다.

우리가 꽃이나 플라스틱 병에 비추는 빛의 색상과 강도, 그리고 우리가 받는 색상/강도를 알면 차이점을 사용하여 지문처럼 이러한 꽃이나 병을 더 많이 식별할 수 있습니다.

기계 학습을 사용하면 많은 플라스틱 재료의 NIR 지문을 찾을 수 있습니다. 그런 다음 다른 플라스틱의 NIR 신호와 비교하여 새로운 NIR 신호를 기반으로 플라스틱을 식별하도록 컴퓨터를 "훈련"합니다. 이 교육은 기술이 음료수 병의 재료를 인식하고 테이크아웃 용기와 어떻게 다른지 이해하며 그에 따라 분리하는 데 도움이 됩니다.

첫 번째 논문에서는 기계 학습을 사용하여 플라스틱 신호를 특정 속성(예: 밀도가 높고 결정질인 폴리에틸렌의 정도)에 연결했습니다. 일반적으로 다양한 액체에 들어 있는 플라스틱의 무게를 측정하고 차이를 비교하여 밀도를 측정합니다. 이는 매우 느리고 지루한 과정입니다.

그러나 우리는 반사광을 사용하여 훨씬 더 빠르게 거의 동일한 정보를 찾을 수 있음을 보여주었습니다. 재활용 라인에서는 시간이 매우 중요합니다.

이 방법은 크고 작은 샘플에 적용할 수 있습니다. 이는 주의 깊게 설정하면 이러한 조명 기반 측정에서 더 많은 정보를 얻을 수 있다는 것을 보여주기 때문에 좋습니다.

이는 아직 매우 예비적인 작업이며 아직 모든 유형의 플라스틱에 적용되지는 않습니다. 따라서 우리는 플라스틱에 빛을 비추어 그 정확한 특성을 알 수는 없지만 흥미로운 시작입니다. 규모를 확대할 수 있다면 재활용업체와 제조업체의 품질 관리 단계에서 많은 시간과 노력을 절약할 수 있습니다.

이 작업을 출판한 이후로 저는 이러한 측정에서 얻은 모든 데이터를 처리하는 방법을 탐구해 왔습니다. 플라스틱의 모양과 샘플이 펠릿인지, 분말인지, 병인지에 따라 매우 다른 데이터가 생성됩니다.

빛은 여전히 반사되지만 플라스틱의 모양에 따라 다른 방향으로 반사되기 때문입니다. 맑은 연못과 잔물결이 많은 연못에 반사되는 모습을 상상해 보세요. 그런 다음 신호를 실제로 변화시킬 수 있는 색소와 방부제를 추가할 수 있습니다. 이로 인해 데이터가 잘못된 것은 아니지만 정렬에 영향을 줄 수 있습니다. 흑백의 인물 사진과 흑백, 컬러, 만화, 그림의 동일한 인물 사진을 분류하는 것이라고 생각하면 됩니다.

이 문제를 해결하기 위해 팀은 데이터 세트를 확장해 왔으며 저는 분말, 펠릿 및 유색 플라스틱을 동일한 경쟁 환경에 배치하기 위한 수학적 수정을 찾고 있습니다. 이렇게 하면 기계 학습을 통해 어떤 플라스틱이 어떤 것인지 식별하는 것이 더 쉬워집니다.

이 연구를 더욱 광범위하게 유용하게 만들기 위해 저는 까다로운 폴리올레핀을 분류할 수 있다는 것을 보여주기 위해 노력하고 있습니다. 현재 방법을 사용하면 이러한 플라스틱을 분류할 때 95%~98%의 정확도에 도달했습니다. 우리는 NIR을 갖춘 거의 모든 재활용 시설에서 신속하게 사용할 수 있는 프로세스를 통해 이를 수행하고 있습니다.

많은 재활용 시설에서 이미 유사한 알고리즘을 사용하고 있을 수 있지만, 이 작업은 특히 분류하기 어려운 폴리올레핀에 초점을 맞춰 한층 더 개선된 수준을 제공합니다.

효과적으로 분류할 수 있다면 처리 문제를 최소화하면서 재사용할 수 있어 재활용의 수익성이 더욱 높아집니다. 그러면 이익이 더 나은 재활용 습관을 유도할 수 있고 선형 경제를 순환 경제로 전환할 수 있기를 바랍니다.

풀어야 할 퍼즐로서의 재활용

나는 한 퍼즐에서 다음 퍼즐로 점프하는 문제 해결사입니다.

고분자 연구 외에도 난소암 약물 전달 시스템 분야에서 일했고, 지금은 인공지능(AI)과 머신러닝을 활용하고 있습니다.

나는 복잡한 문제를 해결하면서 선한 일을 하는 것을 좋아합니다. 지속 가능성과 친환경 소재는 내 연구 경력 전반에 걸쳐 아름다운 주제였습니다.

처음에는 생의학 연구와 플라스틱 사이의 연관성을 깨닫지 못할 수도 있습니다. 그러나 약물 전달 시스템은 의학 이상의 응용 분야를 통해 정말 멋진 물질을 만드는 데 도움이 될 수 있습니다. 플라스틱 작업은 또한 우리 몸의 DNA, 단백질, 콜라겐에 대한 이해를 향상시킬 수 있습니다.

이제 AI의 폭발적인 증가로 재료 연구를 더 빠르고 효율적으로 수행할 수 있는 새로운 도구가 생겼습니다. 지속 가능한 소재 분야에서 흥미로운 시간입니다!

미래의 정렬 연구

저는 현재 NIST에서 2년 계약을 마치고 해결해야 할 다음 퍼즐을 찾고 있습니다.

그러나 나는 다른 연구자들이 내 기술을 사용할 수 있도록 NIST와 제휴 관계를 유지할 계획입니다.

저는 더 넓은 재활용 커뮤니티가 데이터 분석을 사용하여 재활용을 개선하고 지구를 청소하는 데 도움이 되기를 바랍니다.