Philipp Jarke
Un nouveau modèle d’IA développé par l’université technique de Graz combine les données issues de tests en laboratoire avec les lois de la physique afin de calculer dans quelle mesure différents types de papier protègent les aliments contre la perte d’arôme et les contaminants.
L’emballage en papier est une alternative durable au plastique. Cependant, comme il est perméable à l’air, les aliments emballés dans du papier perdent leur saveur avec le temps, et des substances indésirables telles que les solvants peuvent pénétrer l’emballage. Jusqu’à présent, des tests approfondis étaient nécessaires pour chaque type de papier afin de déterminer dans quelle mesure et à quelle vitesse cela se produit.
Une équipe de recherche dirigée par Karin Zojer de l’Institut de physique de l’état solide de l’Université de technologie de Graz (TU Graz) a maintenant développé un système de prédiction basé sur l’IA qui calcule la perméabilité de différents types de papier aux substances organiques volatiles. Cela accélère considérablement le développement de nouveaux matériaux d’emballage. L’outil de prédiction, développé dans le cadre du Laboratoire CD pour le transport de masse à travers le papier, est déjà utilisé par un fabricant de papier.
Tests de laboratoire comme base
Le système de prédiction est basé sur des analyses de la microstructure de différents types de papier, pour lesquelles l’équipe a précisément enregistré la distribution des fibres de cellulose et la taille des pores. La deuxième étape a impliqué des mois de tests en laboratoire au cours desquels les chercheurs ont utilisé la chromatographie en phase gazeuse pour déterminer la vitesse à laquelle les substances organiques volatiles migrent à travers différents types de papier.
« Cependant, nous avons atteint nos limites avec ces méthodes traditionnelles », a indiqué Karin Zojer. « Les combinaisons possibles de types de papier et de substances volatiles sont énormes et les expériences sont bien trop longues pour développer un modèle de prédiction complet à partir de celles-ci. »
Réseau neuronal combiné aux lois physiques
Les chercheurs ont réalisé la percée en utilisant des réseaux neuronaux dits informés par la physique. Cette variante de l’apprentissage automatique intègre les lois physiques dans ses calculs en complément des données d’entraînement. Cela permet à l’IA d’extraire des modèles même à partir d’une petite quantité de données d’entraînement et d’effectuer des calculs précis. Entre autres, Karin Zojer et son équipe ont fourni à l’IA l’information que les substances organiques volatiles adhèrent partiellement aux fibres de cellulose lors de leur passage à travers l’emballage en papier.
« De tels principes réduisent le corridor des solutions possibles pour les calculs que le réseau neuronal doit effectuer et optimiser », a ajouté Karin Zojer. « Nous avons ensuite vérifié les résultats de notre IA par des expériences sur des papiers simples et multiples et avons été nous-mêmes surpris de la performance de ce modèle de prédiction. »
Le fabricant de papier Mondi Uncoated Fine & Kraft Paper, impliqué dans le laboratoire CD, utilise déjà le logiciel pour sélectionner les qualités de papier pour des applications spéciales. Karin Zojer continuera à développer le système, par exemple pour prendre en compte comment la perméabilité change lorsque les fibres de papier absorbent les solvants et gonflent en conséquence.
Source : TU Graz
