Data Science: groene plastics dankzij AI

Tekst: Jorn Lelong

Niet alleen voor onze energievoorziening zijn we nog in grote mate afhankelijk van fossiele brandstoffen. Ook de chemische industrie gebruikt bijna uitsluitend fossiele brandstoffen als grondstof, bijvoorbeeld bij de productie van kunststoffen. Daarom wil de Groningse start-up BioBTX een nieuwe, groene wind door de chemische industrie blazen. En het rekent daarvoor op de Artificial Intelligence-ondersteuning van het team Data Science van het CIT.

Een halfgeopende garagepoort verhult een kluwen van aluminiumkleuren vaten, schakelaars en pijpen. Op een technicus na ligt de werkplaats van BioBTX er onbemand bij. Hij ligt wat verscholen, helemaal achteraan de Energy Academy Europe op de Zernikecampus. Weinig doet vermoeden dat ze hier met z’n vieren werken aan een machine die de gehele chemiesector op zijn kop kan zetten. “Wat we hier willen, is een revolutie ontketenen”, zegt Chief Technology Officer van BioBTX Niels Schenk.

Biomassa omzetten in chemicaliën

BioBTX heeft een pilot plant ontwikkeld om chemicaliën te halen uit biomassa. De Groningse start-up doet dat door glycerine, een afvalproduct dat vrijkomt bij de productie van biodiesel, af te breken tot kleine basisbouwsteentjes, namelijk benzeen, tolueen en xyleen – beter bekend als BTX. Die vormen op hun beurt de basis voor allerlei aromaten, die voor tal van chemische toepassingen gebruikt worden. Denk bijvoorbeeld aan aminozuren, zoetstoffen of antidepressiva, maar ook polymeren (waar windturbines of auto’s uit vervaardigd worden) en aramiden (extreem sterke vezels die o.a. in kogelvrije vesten gebruikt worden).

Optimaliseren met AI

Op dit moment halen we nagenoeg al deze chemicaliën uit fossiele brandstoffen, met enorme vervuiling en CO2-uitstoot als gevolg. Door biomassa om te zetten in chemicaliën, kan BioBTX dus een aanzienlijke bijdrage leveren om de chemische sector te verduurzamen.

Maar dat is nog niet alles. Het bedrijf wil dat proces versnellen met behulp van Artificial Intelligence. In een lab op de faculteit Science & Engineering simuleren onderzoekers met een opstelling van reageerbuisjes de werking van de grotere pilot plant van BioBTX.
Met de verschillende katalysators, temperaturen en grondstoffen die ze tot hun beschikking hebben, kunnen ze wel 5 miljoen verschillende experimenten uitvoeren. Een onmogelijke opdracht dus, tenzij je oneindig veel tijd en middelen hebt.

Call for Proposals Data Science

Daarom schreef BioBTX zich samen met onderzoekers van de vakgroep Chemical Engineering in voor de jaarlijkse call for proposals van het team data science van het CIT. Data scientist Dimitrios Soudis wachtte de taak om met AI het meest efficiënte productieproces van BTX te achterhalen.

“Uit de enorme database koos ik een beperkte sample van uitgevoerde experimenten, en bouwde ik een machine learning-model om te achterhalen wat uit de andere miljoenen experimenten zou gekomen zijn. Bijvoorbeeld, wat als we hetzelfde experiment met een andere katalysator uitgevoerd hadden. Zouden we dan meer of minder BTX krijgen?”

Tot zover loopt dat vlotjes: de foutenmarge van het algoritme benadert de observatiefout, het minieme verschil dat je tegenkomt als je hetzelfde experiment meerdere malen uitvoert. “Nu moeten we zien of die foutenmarge zo laag blijft als we het op de rest van de data toepassen. Als dat blijkt, zal ik van geluk door het dak springen,” lacht Soudis.

Interessante verbanden

Volgens projectleider prof.dr. Erik Heeres van Chemical Engineering maakt de inbreng van data science ‘een enorm verschil’. “Dankzij AI hebben we erg interessante verbanden ontdekt tussen het type katalysator of de reactortemperatuur en de hoeveelheid BTX die geproduceerd werd. Zo komen we soms op domeinen waar ik zelf nog niet aan gedacht had.”

AI kan dus patronen blootleggen die anders aan je voorbij zouden gaan, zelfs met jarenlange expertise in het vak. Maar het biedt nog extra voordelen. “Met AI kun je ook heel accuraat voorspellen”, ondervond Niels Schenk. “In plaats van dat wij een experimenteel plan opstellen, komen zij nu met eigen suggesties op basis van hun data. Dan zeggen ze bijvoorbeeld: als je deze grondstof hebt, kun je het beste met dit type katalysator werken, of met een hogere temperatuur. Je komt dus tot info waar je anders miljoenen experimenten voor had moeten doen. Op lange termijn geeft dat ontzettend veel meerwaarde.”

Chemicaliën uit afvalplastics

De samenwerking met team data science zorgt ervoor dat het productieproces van BTX uit glycerine aanzienlijk efficiënter verloopt. Maar daar houdt het niet op. Behalve chemicaliën uit glycerine wil BioBTX vanaf deze zomer ook chemicaliën uit afvalplastics halen.

Het gaat om gelamineerde of gemengde plastics, die nu meestal verbrand, in zee gestort of naar derdewereldlanden geëxporteerd worden. Door deze plastics te recyclen, wil BioBTX het begrip ‘afval’ herdefiniëren, zegt Schenk. “In onze visie moeten afvalplastics zo waardevol worden dat ze niet meer gewoon langs de kant van de weg gegooid kunnen worden”.

Verschil maken