原文信息：
Zeolite-catalytic pyrolysis of waste plastics: Machine learning prediction, interpretation, and optimization
原文链接：
https://www.sciencedirect.com/science/article/pii/S0306261924026424?via%3Dihub
Highlights
机器学习可有效模拟分子筛催化废塑料裂解过程
基于模型系统分析了废塑料催化裂解过程的关键因素
基于模型的反向设计实现了催化剂的筛选和过程工艺的优化
模型指导的实验获得了产率高达87.82%的液态油品
Research gap
目前已报道的研究主要聚焦利用机器学习模拟废塑料热解或者与生物质废弃物共热解过程及预测热解产品的三相分布。本研究基于分子筛催化废塑料裂解过程及液相油品，首次搭建了机器学习预测优化模型，可针对不同废塑料原料筛选相应催化剂并优化相应的过程工艺，有效提升液态油的产率和品质。
Abstract
Converting waste plastics into renewable energy through zeolite-catalytic pyrolysis is a promising strategy for combating plastic pollution and supplanting conventional fossil fuels, thereby facilitating emission mitigation. However, it is still challenging to comprehensively decipherer this conversion process and screen efficient catalysts for diverse plastic feedstocks to improve the yield and quality of the resultant liquid fuel. This work explored the importance and correlations of factors in zeolite-catalytic pyrolysis and aided the zeolite screening and optimization of operational conditions for improving the oil yield and quality via machine learning (ML)-based interpretation and inverse design. The results indicated that the Extreme Gradient Boosting model developed from the complied dataset after feature selection exhibited the best performance (testing R2 of 0.85 and 0.87) for predicting the yields of liquid oil and gasoline-range (C5-C12) hydrocarbons among three tree-based algorithms. The ML-based interpretation showed that the polyethylene ratio in plastic feedstock, the reaction temperature, specific surface area, and Si/Al ratio of zeolites were the top-four important features, and their impacts on the yields of liquid oil and C5-C12 hydrocarbons were discussed in detail. A maximum oil yield of 80.85 % was achieved from ML-based inverse design, and the corresponding optimal inputs from the model could guide the experimental investigation. It showed that a high oil yield of 87.82 % was obtained from experiment that was even higher than the model result with a small error of −7.93 %. This work provides a novel ML-based approach to understand the zeolite-catalytic pyrolysis of waste plastics and improve the yield and quality of liquid oil for sustainable energy production.
Keywords：
Artificial intelligence 人工智能
Plastic waste 废塑料
Thermal conversion 热转化
Zeolite 分子筛
Waste to energy 固废能源化
Sustainable development 可持续发展
Graphics
图1 文章摘要图
图2 用于预测、解释和优化分子筛催化废塑料裂解的机器学习模型开发路线图
图3 以（a）液态油和（b）C5-C12烃类产率为目标的机器学习模型预测性能结果图
图4 机器学习模型助力解析分子筛催化废塑料裂解过程因素对（a）液态油和（b）C5-C12烃类产率的重要性和相关性分析结果图
图5 基于机器学习预测优化的反向设计最优计算结果（a）不同类型塑料和分子筛对应的多目标优化结果,（b）聚苯烯塑料在不同催化剂情况下的多目标优化结果，（c）聚苯烯塑料在不同催化剂情况下的液态油产率优化结果，（d）模型反向设计指导下的实验结果与报道结果的对比图
团队介绍
本研究由中国科学院城市环境研究所、中国科学院大学、华中科技大学煤燃烧国家重点实验室、宁波诺丁汉大学、加拿大阿尔伯塔大学以及浙江农林大学的研究人员共同完成。
通信作者简介：
汪印，博士，研究员，博士生导师。2006年获得日本东京工业大学环境科学与技术专业博士学位，2013年入选厦门市“双百人才”创新计划，研究成果获厦门市科技进步一等奖。现任中国科学院城市固体废弃物资源化技术工程实验室主任。主持完成国家863计划和“十一五”科技支撑计划项目、国家自然科学基金国际合作重大项目及面上项目、科技部与日本JST间的重大国际合作专项项目、中科院重大装备项目以及企业合作项目等。长期从事固体废弃物资源化利用技术与装备研发，发表学术论文100余篇，申请中国专利80多项（已授权50多项），PCT专利9项。依托国家863项目研发的富含纤维素生物质废物制备多孔功能材料的成套技术与装备已经在石家庄、湖北、黑龙江、江西、福建、浙江、江苏、安徽等地实现产业化应用；依托国家科技支撑项目研发的生物质热解气化成套技术与装备在泸州老窖、宛西制药建立了示范工程；依托中科院和科技部支持研发的城市污泥/餐厨垃圾热解炭化技术在福建、深圳、天津、吉林、浙江等地建立了示范工程。
第一作者简介：
李杰，博士，中国科学院特别研究助理。2022年获新加坡国立大学博士学位后加入中国科学院城市环境研究所并获评福建省C类人才（海外）。自2015年以来，李杰博士一直专注于有机废弃物低碳转化的基础和应用研究。主要包括利用机器学习和实验相结合的手段开展有机固废低碳转化的过程优化、催化剂筛选设计、废弃物转化利用系统构建及全生命周期评估，功能性碳基材料的设计制备以及生物炭作为能源载体、土壤改良剂的减污降碳潜能分析。目前已在Environmental Science & Technology、Chemical Engineering Journal、Applied Energy等国际权威期刊发表SCI论文总计50余篇，其中一作、共同一作和通讯作者32篇，高被引论文3篇；获得年度最佳论文奖2项，谷歌学术H指数33，被引3600余次；申请专利20余项。担任Environmental Science & Technology、Applied Energy、Bioresource technology、Science of the Total Environment等多个国际期刊审稿人，多次参加国际会议并做英文学术报告，多次担任国际会议的分论坛主持。
关于Applied Energy
本期小编：董增澳 ；审核人：李杰
《Applied Energy》（影响因子10.1)是一本专注于能源（包括科学、技术、政策及管理等）领域研究与创新的学术期刊，创刊于1975年，由Elsevier出版商出版。该刊发文范围涵盖能源及相关领域，旨在及时、准确、全面地报道在能源领域科学研究中取得的新发现、新知识、新技术、以及新学术动态等。开源（Open Access）姊妹新刊《Advances in Applied Energy》影响因子13.0，CiteScore 23.9。全部论文可以免费下载。在《Applied Energy》的成功经验基础上，致力于传播应用能源领域顶尖跨学科科研成果。此微信公众号AEii，是能源领域科研人员快速权威的学术交流和分享最新研究成果的平台，欢迎关注！
公众号团队小编招募长期开放，欢迎发送自我简介（含教育背景、研究方向等内容）至wechat@applied-energy.org
点击“阅读原文”
喜欢我们的内容？
点个“赞”或者“再看”支持下吧！
