CESTの研究者がAIを応用し、リグニンをバイオ製品の出発原料として大量に利用することに成功 Researchers from CEST successfully apply AI to enable large scale utilization of lignin as starting material for bioproducts
2022-10-03 フィンランド・アールト大学
AIや機械学習の手法であるベイズ最適化を使って、様々なリグニン系製品に最適な抽出条件を見つける手法は、与えられた実験条件の組み合わせに対して、抽出されるリグニンの量とその特性を予測できるコンピューターモデルを構築する。ベイズ最適化では、他のAI手法と同様に学習するためのデータが必要だが、ニューラルネットワークなどの一般的な手法とは異なり、データの収集はアルゴリズム自身が行う。
AIは知的な方法で条件を選択することで、正確なモデルを作るために必要な実験回数が少なくて済むことを保証しているのだ。
ベイズ最適化をリグニン抽出の問題に適用して成功したことは、AIが近い将来、従来の統計ツールに並んで、実験の計画や結果を予測する標準的なツールになる可能性を示唆している。
＜関連情報＞
- https://www.aalto.fi/en/news/ai-boosts-usability-of-paper-making-waste-product
- https://pubs.acs.org/doi/10.1021/acssuschemeng.2c01895
グリーンバイオリファイナリーにおけるリグニンの機械学習による物性最適化 Machine Learning Optimization of Lignin Properties in Green Biorefineries
Joakim Löfgren, Dmitry Tarasov, Taru Koitto, Patrick Rinke, Mikhail Balakshin, and Milica Todorović
ASC Sustainable Chemistry & Engineering Publication Date:July 12, 2022
DOI:https://doi.org/10.1021/acssuschemeng.2c01895
Abstract
Novel biorefineries could transform lignin, an abundant biopolymer, from side-stream waste to high-value-added byproducts at their site of production and with minimal experiments. Here, we report the optimization of the AquaSolv omni biorefinery for lignin using Bayesian optimization, a machine learning framework for sample-efficient and guided data collection. This tool allows us to relate the biorefinery conditions like hydrothermal pretreatment reaction severity and temperature with multiple experimental outputs, such as lignin structural features characterized using 2D nuclear magnetic resonance spectroscopy. By applying a Pareto front analysis to our models, we can find the processing conditions that simultaneously optimize the lignin yield and the amount of β-O-4 linkages for the depolymerization of lignin into platform chemicals. Our study demonstrates the potential of machine learning to accelerate the development of sustainable chemical processing techniques for targeted applications and products.
