स्थिरता के लिए वायर्ड – प्रौद्योगिकी संगठन

दो आश्चर्यजनक आँकड़े स्थायी विनिर्माण पर उनके शोध का समर्थन करते हैं। ग्यॉर्ज स्ज़ेकेलीकेमिकल इंजीनियरिंग के सहायक प्रोफेसर उन्नत झिल्ली झरझरा केंद्र.

समग्र चित्रण में वैज्ञानिक अनुसंधान के विषय शामिल हैं। छवि क्रेडिट: जेवियर पिटा / KAUST

सबसे पहले, रासायनिक निर्माण उद्योग में खपत ऊर्जा का 50% से कम वास्तव में उत्पादों के निर्माण के लिए उपयोग किया जाता है।कमोडिटी रसायन या मोबाइल पॉलिमर फोन घटक या सूक्ष्म रूप से तैयार की गई फार्मास्यूटिकल्स में, अधिकांश ऊर्जा व्यय उत्पादित जटिल मिश्रण से ब्याज के अणु को शुद्ध करने या अलग करने में होता है। पारंपरिक औद्योगिक पृथक्करण तकनीक जैसे आसवन गर्मी से चलने वाली प्रक्रियाएं हैं जो औद्योगिक पैमाने पर चलने पर भारी मात्रा में ऊर्जा की खपत करती हैं।

स्ज़ेकेली का शोध उन तकनीकों पर केंद्रित है जो इसकी ऊर्जा खपत को 90% तक कम कर सकती हैं। चुनिंदा झरझरा झिल्लियों के साथ उच्च-तापमान पृथक्करणों को बदलना और परिवेश के तापमान पर केवल वांछित उत्पाद को फ़िल्टर करना नाटकीय रूप से दक्षता में सुधार कर सकता है।

“झिल्ली प्रक्रियाएं पारंपरिक पृथक्करण प्रौद्योगिकियों की ऊर्जा के एक अंश का उपयोग करती हैं,” स्ज़ेकेली कहते हैं।

ऊर्जा-गहन उद्योग में ऊष्मा-चालित उत्पाद पृथक्करण को अत्यधिक कुशल झिल्ली-आधारित प्रक्रिया में बदलना पहली चुनौती थी जिसका पीएचडी स्ज़ेकली ने सामना किया। उन्होंने केमिकल इंजीनियरिंग का अध्ययन किया और फार्मास्यूटिकल्स को अलग करने में माहिर थे।

“मैं एक यूरोपीय कार्यक्रम पर था जो उद्योग के सामने आने वाले उत्पाद अलगाव के मुद्दों को संबोधित करने के लिए उद्योग और शिक्षाविदों के भागीदारों को एक साथ लाया,” उन्होंने कहा।

उनका काम उद्योग के मुद्दों पर ध्यान केंद्रित करना जारी रखता है और हालांकि उनकी कुछ झिल्ली पृथक्करण परियोजनाएं अब व्यावसायिक उपयोग में हैं, यह एक धीमी प्रक्रिया है। विशिष्ट अनुप्रयोगों के लिए पृथक्करण सामग्री का अनुकूलन ऐसा करने के लिए, आपको एक साथ कई सामग्री मापदंडों को ट्विक करने की आवश्यकता है। परंपरागत रूप से, इसका मतलब प्रयोगशाला में महीनों का प्रयोग था। इस दृष्टिकोण की लागत न केवल समय में, बल्कि संसाधन खपत और अपशिष्ट उत्पादन में भी मापी जाती है।

“नई पृथक्करण सामग्री का विकास हल करने की तुलना में अधिक स्थिरता की समस्याएं पैदा कर सकता है,” शेकली ने कहा। बहुत अधिक कुशल। “

प्रत्येक परियोजना द्वारा उत्पन्न खंडित जानकारी सामान्यीकृत पैटर्न को समझना लगभग असंभव बना देती है। लेकिन वे अगली अलगाव समस्या की सटीक भविष्यवाणी करने के लिए आवश्यक हैं। अतीत में, डेटा चुनौतियां मानव आंखों के लिए अचूक साबित हुई हैं, लेकिन आज नए उपकरण नए देखने और पैटर्न चुनने के लिए उपलब्ध हैं जिन्हें हम नहीं देख सकते हैं। उन्होंने कहा कि यह था।

“आर्टिफिशियल इंटेलिजेंस डेटा समस्याओं से निपटने का एक नया तरीका है,” स्ज़ेकेली ने कहा। “पहले, एआई को बड़े डेटासेट की आवश्यकता थी, जो हमारे पास नहीं था। हमारी प्रगति के आधार पर, हम इसे छोटे प्रयोगात्मक डेटासेट पर लागू कर सकते हैं, और हमने पहले ही बहुत कुछ किया है।”

प्रयोगशाला में किए गए कुछ चुनिंदा प्रयोगों से, या मौजूदा छोटे डेटासेट से, मशीन लर्निंग को कार्य के लिए आदर्श पृथक्करण सामग्री और शर्तों को विकसित करने या पहचानने के लिए डॉट्स को जोड़ने के लिए लागू किया जा सकता है। मैं यह कर सकता हूं।

उन्होंने कहा, “प्रयोगशाला में जाने और मैन्युअल रूप से अनुकूलित करने में सालों लगेंगे, लेकिन अगर यह कंप्यूटर आधारित है, तो इसे मिनटों या घंटों में किया जा सकता है।”

कार्बनिक विलायक नैनोफिल्ट्रेशन के झिल्ली पृथक्करण उपक्षेत्र के लिए, स्ज़ेकेली समूह ने हाल ही में एक ओपन एक्सेस डेटाबेस बनाया है जिसका उपयोग कोई भी अपनी अलगाव समस्याओं को हल करने के लिए कर सकता है।

“यह सिर्फ एक डेटाबेस नहीं है, यह मशीन लर्निंग एल्गोरिदम पर आधारित एक भविष्य कहनेवाला उपकरण भी प्रदान करता है,” उन्होंने कहा। “लोग अणुओं को ऑनलाइन ले सकते हैं और अपनी अलगाव समस्याओं के समाधान के लिए डेटाबेस और एआई का उपयोग कर सकते हैं।”

नए कैलकुलेटर का परीक्षण करने के लिए, शेकली ने पूरे KAUST परिसर को सूचीबद्ध किया। “हमने महसूस किया कि हम उनके नाम पर ‘स्थिरता’ शब्द के साथ एकमात्र KAUST समूह नहीं थे,” शेकली कहते हैं। “काइल लॉर्सन सतत और सिंथेटिक जैव प्रौद्योगिकी समूहइसलिए मैं उनके पास इस बारे में बात करने के लिए पहुंचा कि हम में से प्रत्येक क्या कर रहा है और हम एक साथ कैसे काम कर सकते हैं। “

लॉरसन और उनकी टीम ने पचौलोल दवा के स्थायी जैव-उत्पादन के लिए शैवाल का निर्माण किया, लेकिन पाया कि उन्हें इसे अलग करने में समस्या थी। हमने एक झिल्ली-आधारित प्रक्रिया विकसित की है, जिसमें इसे एक ऑनलाइन टूल में शामिल किया गया है।

“कंप्यूटर ने भविष्यवाणी की थी कि झिल्ली 100% पैचौलोल बनाए रखेगी, इसलिए हमने झिल्ली का परीक्षण किया और 100% पैचौलोल रिकवरी को मापा,” स्ज़ेकेली कहते हैं। “एआई वास्तविक दुनिया की समस्याओं पर 100% सटीक था।”

चटनी: कौस्तो