Ein neues KI-Modell der TU Graz kombiniert Daten aus Laborversuchen mit Gesetzen der Physik und berechnet, wie gut verschiedene Papiersorten Lebensmittel vor Aromaverlust und Schadstoffen schützen.
Verpackungen aus Papier sind eine nachhaltige Alternative zu Plastik. Da Papier luftdurchlässig ist, verlieren darin verpackte Lebensmittel aber im Laufe der Zeit an Aroma und unerwünschte Stoffe wie Lösungsmittel können ins Verpackungsinnere vordringen. Bislang waren für jede Papiersorte aufwendige Versuche notwendig, um zu bestimmen, In welchem Ausmaß und wie schnell dies geschieht. Ein Forschungsteam um Karin Zojer vom Institut für Festkörperphysik der TU Graz hat nun ein KI-basiertes Vorhersagesystem entwickelt, das berechnet, wie durchlässig verschiedenste Papiersorten für flüchtige organische Substanzen sind. Die Entwicklung neuer Verpackungsmaterialien lässt sich so deutlich beschleunigen. Das Vorhersage-Tool, das im Rahmen des CD-Labors für Stofftransport durch Papier entstand, kommt bereits bei einem Papierhersteller zum Einsatz.
Laborversuche als Basis
Die Basis des Vorhersagesystems bilden Analysen der Mikrostruktur verschiedener Papiersorten, für die das Team die Verteilung der Cellulosefasern und die Größe der Poren exakt erhoben hat. Als zweiter Schritt folgten monatelange Laborversuche, in denen die Forschenden mithilfe von Gas-Chromatographie bestimmten, wie schnell flüchtige organische Substanzen durch unterschiedliche Papiersorten hindurchwandern. „Mit diesen klassischen Methoden sind wir aber an unsere Grenzen gestoßen“, sagt Karin Zojer. „Die Kombinationsmöglichkeiten von Papiersorten und flüchtigen Substanzen sind riesig und die Versuche viel zu zeitaufwändig, um daraus ein umfassendes Vorhersagemodell zu entwickeln.“
Neuronales Netzwerk mit physikalischen Gesetzen kombiniert
Der Durchbruch gelang den Forschenden durch den Einsatz sogenannter Physics-informed Neural Networks. Diese Variante des maschinellen Lernens bezieht als Ergänzung zu den Trainingsdaten auch physikalische Gesetzmäßigkeiten in ihre Berechnungen ein. Dadurch ist die KI in der Lage, selbst aus wenigen Trainingsdaten Muster herauszulesen und präzise Berechnungen durchzuführen. Karin Zojer und ihr Team haben der KI unter anderem die Information mitgegeben, dass flüchtige organische Substanzen bei ihrem Weg durch die Papierverpackung zum Teil an den Cellulosefasern haften bleiben. „Solche Gesetzmäßigkeiten verengen den Korridor möglicher Lösungen für die Berechnungen, die das Neuronale Netzwerk durchführt und optimiert“, sagt Karin Zojer. „Wir haben die Ergebnisse unserer KI anschließend in Experimenten für ein- und mehrlagige Papiere überprüft und waren selbst überrascht, wie gut dieses Vorhersagemodell funktioniert.“
Der am CD-Labor beteiligte Papierhersteller Mondi Uncoated Fine & Kraft Paper nutzt die Software bereits bei der Auswahl von Papiersorten für spezielle Anwendungen. Karin Zojer wird das System zukünftig noch weiterentwickeln, um etwa zu berücksichtigen, wie sich die Durchlässigkeit verändert, wenn die Papierfasern Lösungsmittel aufnehmen und dadurch aufquellen.