جشنواره دانشآموختگان برتر کارشناسی ارشد و دکتری پلیمر
انجمن علوم و مهندسی پلیمر ایران در راستای شناسایی، معرفی و تقدیر از دانشآموختگان برتر رشته پلیمر، سالانه اقدام به برگزاری جشنواره دانشآموختگان برتر مقاطع
پژوهشگران دانشگاه کشاورزی آتن (Agricultural University of Athens) با همکاری پروژه اروپایی ANIPH، ابزار جدیدی مبتنی بر هوش مصنوعی و یادگیری ماشین توسعه دادهاند که میتواند سرعت تجزیه پلاستیکهای زیستتخریبپذیر را در شرایط مختلف محیطی با دقت بالا پیشبینی کند. این دستاورد میتواند نقش مهمی در طراحی نسل جدید مواد پلیمری پایدار و کاهش هزینههای آزمایشگاهی ایفا کند.
در این پژوهش، تمرکز بر پلیمر PHBV (پلی(۳-هیدروکسیبوتیرات-کو-۳-هیدروکسیوالرات)) بوده است؛ یکی از شناختهشدهترین پلیمرهای زیستپایه و زیستتخریبپذیر که در صنایع بستهبندی، تجهیزات پزشکی و محصولات دوستدار محیطزیست کاربرد فراوانی دارد. پژوهشگران با گردآوری ۱۴۶۷ داده آزمایشگاهی از شرایط واقعی و کنترلشده، مدلهای یادگیری ماشین را آموزش داده و عملکرد آنها را ارزیابی کردند.
نتایج نشان داد مدلهای توسعهیافته، از جمله Random Forest و XGBoost، توانستهاند با دقتی بیش از ۹۲ درصد میزان کاهش جرم این پلیمر در اثر تجزیه زیستی را پیشبینی کنند. این موضوع نشان میدهد که استفاده از هوش مصنوعی میتواند جایگزین مناسبی برای بخشی از آزمایشهای زمانبر و پرهزینه در حوزه توسعه مواد پلیمری باشد.
بر اساس نتایج این تحقیق، سه عامل بیشترین تأثیر را بر سرعت تجزیه پلیمر دارند:
پژوهشگران همچنین این مدل را در قالب یک سامانه آنلاین در اختیار جامعه علمی قرار دادهاند تا محققان و صنایع بتوانند پیش از تولید، رفتار زیستتخریبپذیری فرمولاسیونهای مختلف PHBV را پیشبینی کرده و فرآیند طراحی مواد جدید را با سرعت و دقت بیشتری انجام دهند.
تحلیل انجمن علوم و مهندسی پلیمر ایران
این پژوهش نمونهای از ورود هوش مصنوعی به حوزه مهندسی پلیمر است. استفاده از مدلهای یادگیری ماشین برای پیشبینی رفتار مواد میتواند زمان توسعه محصولات جدید را کاهش داده، هزینههای تحقیق و توسعه را به میزان قابل توجهی کم کند و مسیر طراحی پلیمرهای پایدار و دوستدار محیطزیست را هموارتر سازد. انتظار میرود در سالهای آینده، ابزارهای مبتنی بر هوش مصنوعی به بخش جداییناپذیر فرآیند طراحی، انتخاب مواد و ارزیابی عملکرد پلیمرها در صنایع مختلف تبدیل شوند.
منبع خبر
https://phys.org/news/2026-06-fast-bioplastic-ai-tool.html
مقاله علمی:
Marianna I. Kotzabasaki et al.
A Data-Driven Framework for Predicting PHBV Biodegradation-Induced Weight Loss Based on Laboratory and Real-Environment Condition Tests
Polymers, 2026.
DOI: 10.3390/polym18070897
انجمن علوم و مهندسی پلیمر ایران در راستای شناسایی، معرفی و تقدیر از دانشآموختگان برتر رشته پلیمر، سالانه اقدام به برگزاری جشنواره دانشآموختگان برتر مقاطع
با گسترش سریع فناوریهای هوش مصنوعی، صنایع پتروشیمی نیز وارد مرحلهای جدید از تحول دیجیتال شدهاند. امروزه ابزارهای هوش مصنوعی و بهویژه هوش مصنوعی مولد
بر اساس ابلاغیه جدید سازمان توسعه تجارت ایران و در پی اعلام پایان محدودیتهای ناشی از شرایط اضطرار، از این پس صادرات محصولات شیمیایی، پلیمری
افتتاح نخستین واحد پیشرفته بازیافت شیمیایی پلاستیک در فرانسه؛ گامی مهم در اقتصاد چرخشی صنعت پلیمر شرکتهای TotalEnergies و Plastic Energy از راهاندازی نخستین واحد
در راستای حمایت از فعالیتهای علمی، پژوهشی و آموزشی، امکان دسترسی رایگان به مجموعهای از کتابهای الکترونیکی منتشرشده توسط انتشارات دانشگاه علامه طباطبائی فراهم شد.
نسل جدید پلیمرها؛ پلاستیکهایی که خودشان را ترمیم میکنند پژوهشگران در سال ۲۰۲۶ موفق به توسعه نسل جدیدی از پلیمرهای هوشمند شدهاند که علاوه بر