イオン液体における糖アルコールの溶解度のモデリングへの機械学習技術の応用

Scientific Reports volume 13、記事番号: 12161 (2023) この記事を引用

436 アクセス

メトリクスの詳細

化学産業の現在の傾向では、特に砂糖由来の化合物などの天然物質を使用したグリーンプロセスが求められています。 この問題により、学術部門や産業部門はこれらの資料を抽出するための新しい代替手段を模索することになりました。 イオン液体 (IL) は現在、効率的な抽出プロセスへの道を切り開いています。 この目的を達成するには、溶解度データの正確な推定が非常に重要です。 この研究は、IL 中の糖アルコール (SA) の溶解度データをモデル化するための機械学習手法に依存しています。 最初の関連性分析では、SA-IL 平衡が IL の温度、密度、分子量、さらに SA の分子量、融合温度、融合エンタルピーによって支配されることが承認されました。 また、温度と融解温度は、IL における SA の溶解度に最も強い影響を与えます。 IL における SA の溶解度を予測するための人工ニューラル ネットワーク (ANN)、最小二乗サポート ベクトル回帰 (LSSVR)、および適応ニューロファジィ推論システム (AFIS) のパフォーマンスが、大規模なデータバンク (19 の SA の 647 データ ポイント) を利用して比較されました。 21IL）。 調査したモデルの中で、AFIS は最高の精度を示し、平均絶対相対偏差 (AARD%) は 7.43%、決定係数 (R2) は 0.98359 でした。 AFIS モデルの最高のパフォーマンスは、データバンクの 85% でトレーニングした場合、クラスター中心半径 0.435 で得られました。 レバレッジ法に基づく AFIS モデルのさらなる分析により、このモデルはその高いレベルの適用範囲と幅広い適用可能性により、十分に信頼できることが明らかになりました。 したがって、このモデルは、IL 中の SA の溶解度をモデル化する際に効果的に利用できます。

バイオマス資源は、化学合成とエネルギー供給のための従来の資源に代わる、実行可能で豊富で、環境に優しく、再生可能で持続可能な代替品です。 このような移行は、抽出可能な化石燃料の量の削減、環境規制の強化、バイオマス変換の価格の安定化によって強化されます1、2、3、4。 このマイルストーンを達成するための主な手段は、リグノセルロース系バイオマスの変換から始まります5、6、7。 直接的または間接的なリグノセルロース変換によってさまざまな物質を合成できるため、中でも糖と糖アルコール (SA) は非常に興味深いものです 8,9,10。

ポリオールとしても知られる SA は、非環式水素化炭水化物で構成されています 11。 SA は、その独特の構造と官能基の密度のおかげで、製薬、食品産業、化学プロセスで高い人気を誇っています12。 SA は従来の砂糖と同様、またはそれよりも優れた特性を備えているため、食品成分としても考慮されています 13。 さらに、その優れた機能特性と健康上のメリットにより、医薬品用途での利用が増えています14。 SA の存在量はほぼ少量であるにもかかわらず、2022 年には世界中で最大 1.9 × 106 トンが消費されました 1,14。これは、SA の特性と挙動を予測するための信頼できるアプローチを開発することの重要性を正当化します。 バイオリファイナリーによる SA 処理には、バイオマスを前処理または溶解し、適切な反応媒体を提供し、中間体または最終生成物への糖の変換を促進するための効率的な溶媒が必要です 15,16。

この目的を達成するために、水、有機溶媒、酸、塩基、イオン液体 (IL) 17 など、さまざまな特性を持つ多くの溶媒が提案されています。 IL は、広範囲の温度で液体状態と不揮発性を提供するだけでなく、高い熱安定性と顕著な溶解強度の恩恵も受けます。 これらの特性により、従来の溶媒に関連するさまざまな操作上の課題 18 を克服するための潜在的に魅力的なツールとなっています。 IL の多用途性により、アニオン/カチオンのペアを適切に調整することで、その特徴、熱化学的特性、および溶媒和力を設計できます19、20、21、22、23。