Inteligencia Artificial Aplicada al Desarrollo Sostenible de Materiales Plásticos

Hay un gran avance del uso de la inteligencia artificial para mejorar la toma de decisiones en el área química, lo que permitiría un diseño acelerado y eficiente de materiales.

---

A diario en las noticias podemos ver cómo la sociedad demanda soluciones a fondo para frenar la contaminación ambiental por plástico. Si bien, se han propuesto iniciativas que dieron origen a normas y legislaciones para abordar el tema, caemos en cuenta que para poder hacer frente a un problema de semejante magnitud, este se tiene que abordar desde diferentes frentes y es de suma importancia que el gobierno, la industria manufacturera y la sociedad formen una unidad cooperativa para lograr este fin.

En la actualidad, se están realizando numerosas acciones para que tanto el desarrollo de los plásticos, los productos obtenidos y el proceso de fabricación sean sostenibles.

Desde hace décadas la comunidad científica y tecnológica está poniendo especial interés y dedicación en la etapa de diseño de los materiales plásticos, porque es en esta parte donde se plantean las estrategias para promover el uso eficiente de los recursos y la planeación para que los productos obtenidos a partir de esos materiales puedan ser reutilizados, reparados y reciclados.

Cuando se desarrolla un nuevo material para un producto en particular, se siguen una serie de pasos que implican hacer una etapa de experimentación a nivel laboratorio extensa, principalmente, cuando no se dispone de información previa y se tiene que empezar desde cero. Esta ruta tradicional a través de la cual los materiales son descubiertos, diseñados, desarrollados, manufacturados y aplicados representa una forma lenta y costosa. Sin embargo, al haber información relacionada con las características de un material o materiales que se van a usar de forma individual o combinada para la obtención de un nuevo producto, se pueden emplear bases de datos ya disponibles y con ellas implementar estrategias de diseño y desarrollo tomando decisiones basadas en Ciencia de Datos.

La Ciencia de Datos está relacionada con el análisis estadístico, los métodos científicos y el aprendizaje de máquina, que juntos llevan a la Inteligencia Artificial (IA). Es decir, se pueden desarrollar modelos matemáticos que descubren patrones de comportamiento y hagan predicciones que de manera subjetiva no se podrían conocer.

Estos modelos o algoritmos se pueden entrenar para aprender partiendo del conocimiento previo y nos ayudan en la toma decisiones. Generalmente, estas herramientas se usan más en el comercio digital, en redes sociales y en finanzas, por lo que en Ciencia de los Materiales aún es un área en construcción.

La inteligencia artificial y el aprendizaje de máquina han demostrado que con los datos apropiados se puede realizar un mejor diseño de materiales y la optimización de sus propiedades, esto en combinación con otras herramientas tales como la química computacional y la experimentación selectiva.

De la teoría a la realidad

Recientemente tuvo lugar la XX Reunión Mexicana de Fisicoquímica Teórica celebrada en Cuernavaca, Morelos. Dentro de las conferencias impartidas por miembros destacados de esta comunidad Científica Mexicana, se presentaron avances relacionados con el diseño de nuevas sustancias, la interacción de algunos fármacos en el cuerpo humano y el cálculo de propiedades de materiales basado en el aprendizaje de máquina. Hay un gran avance del uso de la inteligencia artificial para mejorar la toma de decisiones en el área química y promete un diseño acelerado y eficiente de materiales.

Por otro lado, una vez que ciertas sustancias y materiales son diseñados y desarrollados, también, se tiene que evaluar el impacto que los productos obtenidos van a tener en el medio ambiente. Particularmente, para la evaluación de la sostenibilidad de productos plásticos, el “análisis de ciclo de vida” (LCA, por sus siglas en inglés) es una de las herramientas más utilizadas.

Ahora bien, para realizar un LCA se tiene que manejar una cantidad de datos bastante robusta, por lo que la recopilación y tratamiento de los mismos se vuelve algo pesado. Es por ello que el uso de la inteligencia artificial para la toma de decisiones dentro de un LCA aumentará la asertividad en la toma de decisiones para el diseño y desarrollo de nuevos productos.

Por ejemplo, para desarrollar un material para su uso en un empaque de alimentos con características de biodegradabilidad, los requerimientos de dicho producto son bastante estrictos y se requiere mucho conocimiento al respecto.

Inicialmente, se requiere como en todo producto, conocer las propiedades objetivo del material que se pretende sustituir. En este caso tratar de emular las propiedades de un empaque hecho de un plástico tradicional. Tendríamos que conocer las propiedades mecánicas de dicho producto, el espesor y la geometría del empaque, las propiedades de barrera a ciertas sustancias como el aire y el agua, las características de resistencia a microorganismos, la vida de anaquel del producto y lo más importante ¿qué alimento va a contener?

Ahora, ¿cómo se hará la selección de un nuevo material que tenga características de biodegradablidad y que cumpla con los requerimientos específicos? En este caso, hay que analizar una cantidad muy importante de información, y si se realizara de manera empírica, la toma de decisiones tomaría mucho tiempo y en ocasiones podría caer en la subjetividad.

Usando herramientas de búsqueda y clasificación avanzada para el tratamiento de datos se pueden construir modelos predictivos para obtener un material con las características que más se aproximen a las establecidas como objetivo. Los modelos aprenden de los datos alimentados a la computadora y nos indican patrones que bajo otro esquema no podrían ser observados. De ello, podemos partir en la experimentación para hacer un uso más eficiente de tiempo y recursos. Esto suena muy teórico pero se ha probado que es funcional.

Finalmente, algo que debe considerarse es que los resultados de los cálculos computacionales y de los procedimientos que implican el aprendizaje de máquina basado en inteligencia artificial solamente pueden ser analizados y procesados por humanos y no por las máquinas.

Conoce la Gran inversión de BMW en vehículos eléctricos en México