Integración de la Inteligencia Artificial en Estrategias Circulares para el Reciclaje y Upcycling de Plásticos

Área de la Ciencia:

• Ciencia de Materiales e Ingeniería
• Ciencias Ambientales
• Ciencias de la Computación

Sus antecedentes:

• La creciente contaminación por plásticos exige una transición de los modelos económicos lineales a los circulares.
• Los métodos convencionales de reciclaje enfrentan desafíos en eficiencia y recuperación de materiales.
• La Inteligencia Artificial (IA) ofrece soluciones novedosas para optimizar la circularidad de los plásticos.

Objetivo del estudio:

• Revisar los avances actuales en las vías mecánicas, químicas, biológicas y de upcycling para la circularidad de los plásticos.
• Destacar el papel transformador de la IA en la toma de decisiones, la predicción del rendimiento y la optimización del sistema.
• Evaluar el impacto de las estrategias impulsadas por IA en la sostenibilidad y escalabilidad de los sistemas circulares de plásticos.

Principales métodos:

• Síntesis de la investigación actual sobre aplicaciones de IA en reciclaje y upcycling de plásticos.
• Análisis de tecnologías de detección inteligente (por ejemplo, FTIR, Raman, imágenes hiperespectrales, LIBS) y clasificadores de Machine Learning (ML) para la identificación y clasificación de materiales.
• Revisión de técnicas de intensificación de procesos asistidas por IA (por ejemplo, modelado cinético, diseño de catalizadores, ingeniería de enzimas) para diversas vías de reciclaje.
• Examen de datos de Análisis de Ciclo de Vida (ACV), trazabilidad digital, Responsabilidad Extendida del Productor (RPE) y contabilidad de costes de todo el sistema en modelos de economía circular.
• Evaluación de estrategias de upcycling impulsadas por IA, gemelos digitales y modelos sustitutos para la generación de materiales de alto valor.

Principales resultados:

• La detección inteligente y el ML mejoran significativamente la identificación de materiales, reducen las tasas de rechazo y aumentan la precisión de la clasificación.
• Las herramientas asistidas por IA optimizan la intensificación de procesos para pirólisis, solvólisis, despolimerización y biocatálisis.
• Los beneficios ambientales de los sistemas circulares están fuertemente influenciados por la selección de la unidad funcional del ACV, la descarbonización energética y los factores de sustitución.
• La trazabilidad digital, la RPE y la contabilidad de costes de todo el sistema son cruciales para obtener resultados circulares exitosos, como lo demuestran los estudios de caso.
• Las estrategias de upcycling, respaldadas por gemelos digitales, producen cada vez más materiales y compuestos de alto valor.

Conclusiones:

• La IA está evolucionando de una herramienta de apoyo a un facilitador fundamental de la transparencia, la garantía de rendimiento y la planificación ambiental predictiva en los sistemas circulares de plásticos.
• La integración del diseño basado en IA, el ACV estandarizado y la gobernanza inclusiva son esenciales para la ampliación sostenible de los sistemas circulares de plásticos.
• Los avances impulsados por IA en diversas vías de reciclaje y upcycling son críticos para mitigar la contaminación por plásticos y fomentar una economía circular.