Application des techniques d'apprentissage automatique à la modélisation de la solubilité des alcools de sucre dans les liquides ioniques

Rapports scientifiques volume 13, Numéro d'article : 12161 (2023) Citer cet article

436 Accès

Détails des métriques

La tendance actuelle des industries chimiques exige une transformation écologique, notamment en utilisant des substances naturelles telles que des composés dérivés du sucre. Cette question a encouragé les secteurs académiques et industriels à rechercher de nouvelles alternatives pour extraire ces matériaux. Les liquides ioniques (LI) ouvrent actuellement la voie à des processus d’extraction efficaces. À cette fin, une estimation précise des données de solubilité est d’une grande importance. Cette étude s'appuie sur des méthodes d'apprentissage automatique pour modéliser les données de solubilité des alcools de sucre (SA) dans les IL. Une première analyse de pertinence a confirmé que l'équilibre SA-IL est régi par la température, la densité et le poids moléculaire des IL, ainsi que par le poids moléculaire, la température de fusion et l'enthalpie de fusion des SA. De plus, la température et la température de fusion ont la plus forte influence sur la solubilité des SA dans les IL. Les performances des réseaux de neurones artificiels (ANN), de la régression vectorielle de support des moindres carrés (LSSVR) et des systèmes d'inférence neuro-flou adaptatifs (ANFIS) pour prédire la solubilité des SA dans les IL ont été comparées à l'aide d'une grande banque de données (647 points de données de 19 SA et 21 IL). Parmi les modèles étudiés, l'ANFIS offrait la meilleure précision avec un écart relatif absolu moyen (AARD%) de 7,43 % et un coefficient de détermination (R2) de 0,98359. Les meilleures performances du modèle ANFIS ont été obtenues avec un rayon central de cluster de 0,435 lors d'un entraînement avec 85 % de la banque de données. Des analyses plus approfondies du modèle ANFIS basées sur la méthode de levier ont révélé que ce modèle est suffisamment fiable en raison de son niveau élevé de couverture et de son large éventail d'applicabilité. En conséquence, ce modèle peut être utilisé efficacement pour modéliser les solubilités des SA dans les IL.

Les ressources de la biomasse constituent une alternative viable, abondante, verte, renouvelable et durable aux ressources conventionnelles pour la synthèse chimique et la fourniture d'énergie. Une telle transition est intensifiée par la réduction de la quantité de combustibles fossiles extractibles, le durcissement des réglementations environnementales et la stabilisation des prix de la conversion de la biomasse1,2,3,4. Les principales pistes pour atteindre cet objectif passent par la conversion de la biomasse lignocellulosique5,6,7. Étant donné que diverses substances peuvent être synthétisées par conversion directe ou indirecte de la lignocellulose, parmi lesquelles les sucres et les alcools de sucre (SA) présentent un grand intérêt8,9,10.

Les SA, également connus sous le nom de polyols, sont constitués de glucides hydrogénés acycliques11. Grâce à leurs structures uniques et à la densité de leurs groupes fonctionnels, les SA sont très populaires dans les secteurs pharmaceutique, alimentaire et chimique12. Possédant des propriétés similaires, voire meilleures, que les sucres conventionnels, les AS ont également pris en compte les ingrédients alimentaires13. En outre, ils sont de plus en plus utilisés dans les applications pharmaceutiques en raison de leurs propriétés fonctionnelles remarquables et de leurs avantages pour la santé14. Bien qu’existant en quantités relativement faibles, les SA ont été consommées à l’échelle mondiale jusqu’à 1,9 × 106 tonnes métriques en 202211,14, ce qui justifie l’importance de développer des approches fiables pour prédire leurs propriétés et leur comportement. Le traitement des SA par bioraffinerie nécessite des solvants efficaces pour prétraiter ou dissoudre la biomasse, fournir un milieu réactionnel approprié et améliorer la conversion des sucres en produits intermédiaires ou ultimes15,16.

À cette fin, de nombreux solvants présentant des caractéristiques différentes, tels que l’eau, les solvants organiques, les acides, les bases et les liquides ioniques (LI)17, ont été proposés. Les IL offrent non seulement un état liquide et une non-volatilité dans une large plage de températures, mais bénéficient également d'une stabilité thermique élevée et d'une force de solubilité remarquable. Ces caractéristiques en font des outils potentiellement attractifs pour surmonter divers défis opérationnels18 associés aux solvants conventionnels. La polyvalence des IL permet de concevoir leurs caractéristiques, leurs propriétés thermochimiques et leur pouvoir de solvatation en ajustant la paire anion/cation de manière appropriée19,20,21,22,23.