مرتب‌سازی با کمک هوش مصنوعی و سایر فناوری‌های جدید می‌توانند بازیافت پلاستیک را بهبود بخشند
تنها ۹٪ از پلاستیک‌های جهان بازیافت می‌شوند. به دلیل سوء مدیریت زباله، تقریباً سه چهارم آن در محل‌های دفن زباله یا محیط زیست قرار می‌گیرد.
پس چگونه می‌توان بازیافت پلاستیک را کارآمدتر کرد؟
مقاله‌ای مروری از محققان دانشگاه بوفالو، جدیدترین فناوری‌ها توسط رویکردهای مهندسی سیستم‌های فرآیند، از حلال‌های شیمیایی که می‌توانند پلاستیک‌های خاص را در خود حل کنند تا مرتب‌سازی خودکار پلاستیک با کمک هوش مصنوعی را خلاصه می‌کند.
این مقاله که به عنوان مقاله اصلی برای شماره ۹ ژانویه مجله تحقیقات شیمی صنعتی و مهندسی، مجله انجمن شیمی آمریکا، انتخاب شده است، نتیجه‌گیری می‌کند که بازیافت مبتنی بر حلال، هم یک گزینه پایدار و هم اقتصادی است، اما جایگزینی پلاستیک‌های مبتنی بر فسیل با پلاستیک‌های زیستی همچنان یک چالش است.
نویسنده مسئول این مطالعه، آرورا دل کارمن مونگویا-لوپز، دارای مدرک دکترا و استادیار گروه مهندسی شیمی و زیست‌شناسی، در دانشکده مهندسی و علوم کاربردی دانشگاه بوفالو، می‌گوید: “تحقیقات و توسعه فناوری بیشتر برای دستیابی به پایداری در مدیریت پلاستیک ضروری است.” «ما نه تنها به رویکردهای جامع و کامل نیاز داریم، بلکه باید مزایا و معایب این رویکردها را در کل چرخه عمرشان در نظر بگیریم.»
پلاستیک‌ها هنوز هم غیرقابل جایگزین هستند
دفع نامناسب پلاستیک‌ها می‌تواند باعث تجمع زباله‌های پلاستیکی هم در محیط زیست و هم در بدن انسان شود. قرار گرفتن در معرض پلاستیک با سرطان، مشکلات تنفسی، مشکلات باروری و تأخیر در رشد مرتبط است.
با این حال، پلاستیک‌ها همچنین بخش مهمی از زندگی مدرن هستند که در بسته‌بندی، الکترونیک، ساختمان‌ها و منسوجات استفاده می‌شوند. آنها مزایای زیست‌محیطی زیادی از جمله کاهش ضایعات مواد غذایی گرفته تا افزایش بهره‌وری سوخت وسایل نقلیه نیز دارند.
مونگویا-لوپز می‌گوید: «حذف استفاده از پلاستیک در حال حاضر گزینه مناسبی نیست، ما به جایگزین‌هایی برای مدیریت ناپایدار فعلی پلاستیک‌ها نیاز داریم.»
حلال‌ها، هوش مصنوعی می‌تواند راه‌حل‌های بازیافت ارائه دهد
یکی از جایگزین‌ها می‌تواند بازیافت مبتنی بر حلال باشد که می‌تواند مواد پیچیده‌ای را که به روش‌های سنتی قابل بازیافت نیستند، بازیافت کند. حلال‌ها می‌توانند پلیمرهای با خلوص بالا را در جریان زباله‌های پلاستیکی حل کنند و از این طریق آنها را از آلاینده‌های ناخواسته پاک کنند.
این مقاله به مطالعه اخیر دانشگاه ویسکانسین-مدیسون، که با همکاری مونگویا-لوپز انجام شده است، اشاره می‌کند که نشان می‌دهد بازیافت مبتنی بر حلال اقتصادی‌ترین گزینه برای بازیافت فیلم پلاستیکی پیچیده و چند لایه مورد استفاده در بسته‌بندی تفاله قهوه است.
در حالی که بازیافت مبتنی بر حلال انتشار گازهای گلخانه‌ای نسبتاً کمی دارد، تغییرات در فرآیند می‌تواند انتشار گازهای گلخانه‌ای را به میزان قابل توجهی افزایش دهد. مطالعات مختلف نشان داده‌اند که بازیافت مبتنی بر حلال باید از یک روش خنک‌کننده برای اصلاح پلیمرهای حل‌شده از محلول استفاده کند، برخلاف روش گرمایشی که انتشار گازهای گلخانه‌ای بیشتری تولید می‌کند.
مونگویا-لوپز می‌گوید: “در هر صورت، بازیافت مبتنی بر حلال انتشار گازهای گلخانه‌ای بیشتری نسبت به بازیافت سنتی تولید می‌کند، بنابراین بهترین رویکرد احتمالاً ترکیب بازیافت مبتنی بر حلال و سنتی است.”
این مقاله همچنین خلاصه‌ای از تحقیقات در مورد نقش هوش مصنوعی و یادگیری ماشینی در مدیریت پلاستیک‌ها را ارائه داد. یک مدل مرتب‌سازی که توسط محققان دانشگاه ویسکانسین-مدیسون به نام Plastic Net توسعه داده شده است، به دقت طبقه‌بندی بیش از ۸۷٪ و حتی ۱۰۰٪ در برخی از پلاستیک‌های خاص دست یافته است. تیم‌های دیگر از هوش مصنوعی برای مطالعه بهتر فناوری‌های بازیافت استفاده کرده‌اند و مدل‌های پردازش زبان طبیعی را برای استخراج داده‌های مرتبط از مقالات علمی توسعه داده‌اند.
مونگویا-لوپز می‌گوید: «مدل‌های هوش مصنوعی همچنین برای رسیدگی به تقاضاها در سطح زنجیره تأمین، مانند بهبود برنامه‌ریزی حمل و نقل، هماهنگی ذینفعان و ارزیابی سناریوهای مختلف سیاست‌گذاری مورد نیاز خواهند بود.»
نویسنده خبر: فاطمه درویشی
رفرنس:
https://phys.org/news/2025-07-ai-technologies-plastic-recycling.html
بدون دیدگاه