Optimización multiobjetivo impulsada por el aprendizaje automático de la composición de la película de acetato de...

Área de la Ciencia:

• Ciencias de los materiales
• Química de los polímeros
• Biotecnología

Sus antecedentes:

• Las películas de biopolímeros requieren una formulación precisa para un rendimiento óptimo.
• El acetato de celulosa es un biopolímero prometedor para aplicaciones de película.
• El control de las propiedades de la película requiere comprender el papel de los aditivos.

Objetivo del estudio:

• Para optimizar las propiedades de la película bioplástica de acetato de celulosa.
• Para modelar las características de la película utilizando inteligencia artificial.
• Determinar las concentraciones ideales de aditivos para atributos específicos de la película.

Principales métodos:

• Las películas de acetato de celulosa fueron formuladas con diferentes concentraciones de polietileno glicol (PEG), ácido málico (MA) y ácido hexadecanoico (HAD).
• Se caracterizaron las propiedades de la película, incluido el grosor, la absorción de agua, la transparencia y el contenido de humedad.
• Las redes neuronales artificiales (ANN) y los árboles de regresión de conjunto se emplearon para el modelado y la optimización de propiedades.

Principales resultados:

• Los modelos ANN demostraron una alta precisión en la predicción de las propiedades de la película (R2: 0,981-0,999).
• La optimización individual identificó las condiciones para un espesor mínimo y una transparencia máxima.
• La optimización multiobjetivo propuso una mezcla específica de PEG, MA y HAD para propiedades de película equilibradas.

Conclusiones:

• El modelado predictivo guía con precisión la formulación de la película bioplástica.
• Las películas de acetato de celulosa optimizadas presentan características deseables para diversas aplicaciones.
• El estudio proporciona un marco para adaptar las propiedades de las películas de biopolímeros mediante la incorporación controlada de aditivos.