AI-driven modellering och nedbrytning av bionedbrytbara polymerer i nordiska klimatförhållanden

Tillämpad AI
Plast- & kompositmaterial
Tillämpad matematik & optimering
I nordiskt klimat kan även bionedbrytbara bioplaster bli kvar länge i jorden, eller brytas ner ofullkomligt till mikroplaster. I detta projektet ska AI-modeller utvecklas som, med litteratur- och labbdata, förutsäger nedbrytning av en vanligt förekommande bioplast under realistiska markförhållanden i Norden.

Biologiskt nedbrytbara polymerer används i dag i många sammanhang och i flera tillämpningar så samlas inte mycket av denna plast efter användning pga praktiska skäl, såsom exempelvis inom jordbruk. Trots att dessa material ofta klassas som nedbrytbara visar både forskning och myndighetsrapporter att nedbrytningen i kalla klimat kan vara långsam eller ofullständig. I nordiska miljöer finns därför en risk att även bionedbrytbara polymerer blir kvar i marken under lång tid eller fragmenteras till mikroplast, vilket skapar osäkerhet kring deras faktiska miljöprestanda.

Ett centralt problem är att dagens standardiserade testmetoder i huvudsak utförs under idealiserade laboratorieförhållanden som inte speglar variationen i verkliga miljöer. Temperatur, markfukt, jordtyp och materialets form har stor inverkan på nedbrytningsprocesserna, men är svåra att systematiskt täcka in med enbart experimentella studier. Det leder till bedömningar som antingen riskerar att överskatta eller underskatta materialens nedbrytbarhet i praktisk användning.

I detta förbredande fallstudie, så utvecklas och tränas AI‑baserade prediktionsmodeller för polymernedbrytning av en vanlig förekommande polymertyp  genom att kombinera experimentella data från laboratorietester med systematiskt sammanställd litteraturdata för denna polymertyp. Med hjälp av maskininlärning kan komplexa och icke‑linjära samband mellan materialegenskaper och miljöförhållanden identifieras, utan att alla mekanismer behöver vara fullständigt kända i förväg. Ambitionen är att ta fram modeller som ger mer realistiska och miljörelevanta uppskattningar av nedbrytningsförlopp under nordiska förhållanden.

Projektet genomförs i samverkan mellan material- och miljöforskare samt experter inom tillämpad AI. Resultaten ska bidra till bättre beslutsunderlag för både materialutveckling och framtida regelverk, och samtidigt lägga grunden för ett större fortsättningsprojekt där modellerna kan vidareutvecklas, valideras i fält och tillämpas för fler typer av bionedbrytbara polymerer.

Finansiär: Formas
Utlysning: En kemikaliesäker framtid – förberedande projekt
Projektpartners: RISE Research Institutes of Sweden, Chalmers Industriteknik och Uppsala universitet.

Alireza Movahedi, projektledare från RISE. 

Finansiärs utlysningssida hittar du här.

Vill du veta mer?

Moheb Nayeri

Data Scientist, PhD

Berenice Gudino

Portföljförvaltare/Data Scientist, PhD

Fler projekt
Projekt

Minskad klimatpåverkan, hållbar e‑handel med AI‑teknik

I Sverige säljs årligen omkring 40 miljoner par skor, varav en tredjedel säljs online. Trots detta returneras 30 % av dessa skor – motsvarande 4 miljoner par – på grund av storleks…

Projekt

AIKIDO – Generativ AI-baserad kitning med integrerad deliberation

AIKIDO förverkligar framtidens tillverkning genom att kombinera AI-baserad vision, säker robotplanering och interaktion med naturligt språk. Genom industriella testmiljöer demonstr…

Projekt

ZEBRA – Integrering av hållbara zinkjonbatterier i framtidens energilagringssystem

ZEBRA är ett forsknings- och innovationsprojekt som utvecklar nästa generations stationära energilagringslösningar baserade på hållbara, vattenbaserade zinkjonbatterier (ZIB) som e…