Les plastiques monopolisent nos accessoires ménagers en raison de leur faible coût et de leur polyvalence. Malheureusement, le manque de mesures d’élimination appropriées a conduit à une prolifération généralisée de ces produits non biodégradables dans l’environnement naturel. Bien que les plastiques ne se décomposent généralement pas via des processus biologiques, ils vieillissent et se désintègrent via des réactions chimiques.
Les déchets qui en résultent, appelés microplastiques en raison de leur taille, se retrouvent dans l’océan et retournent dans notre approvisionnement en eau. La persistance à long terme des microplastiques est nocive car ils peuvent s’adsorber ou se lier à d’autres déchets. En particulier, les déchets chimiques consommables peuvent interagir avec les microplastiques de manière imprévue et potentiellement dangereuse. Appelés produits pharmaceutiques et produits de soins personnels (PPCP), ces contaminants chimiques émergents sont dangereux dans leur capacité à présenter des effets physiologiques chez l’homme à faibles doses.
Le professeur Yang Hui Ying du pilier Développement de produits d’ingénierie de l’Université de technologie et de design de Singapour (SUTD) a observé que la littérature actuelle sur les traitements de vieillissement à long terme des microplastiques est inadéquate. La plupart des recherches ne portent que sur le vieillissement à court terme, qui ne reflète peut-être pas pleinement le comportement environnemental des microplastiques.
Elle a partagé les difficultés liées à la modélisation de la dynamique environnementale : « En raison des divers processus de vieillissement rencontrés par les microplastiques et de la complexité des processus et mécanismes d’adsorption des différents PPCP sur les microplastiques, il peut être difficile de distinguer ces différences d’adsorption uniquement par des méthodes expérimentales. »
En collaboration avec des collaborateurs chinois, le professeur Yang a cherché à utiliser des techniques modernes d’apprentissage automatique pour surmonter cet obstacle. Ils publié leur article « Prédire la capacité d’adsorption des produits pharmaceutiques et des produits de soins personnels sur les microplastiques vieillis à long terme à l’aide de l’apprentissage automatique » dans le Journal des Matériaux Dangereux.
Des études antérieures ont développé des techniques permettant de prédire la capacité d’adsorption entre les PPCP et les microplastiques avec différents niveaux de succès, à l’aide de descripteurs chimiques quantiques. Cependant, ces études sont souvent peu pratiques à réaliser en raison de leur précision limitée et de leur lenteur. En particulier, ils négligent les effets de surface des microplastiques, qui sont importants lors de la modélisation des comportements d’adsorption.
Pour remédier à cette limitation, le professeur Yang a utilisé la spectroscopie infrarouge à transformée de Fourier (FT-IR). Cette technique lui a permis de sonder soigneusement la surface des microplastiques, d’identifier différents groupes fonctionnels et la manière dont ils influencent les interactions avec les produits chimiques environnants. Il est important de relier le comportement d’adsorption au FT-IR des microplastiques, mais les modèles établis précédemment pour étudier les interactions entre les microplastiques et les PPCP n’avaient pas intégré cette information. C’est pourquoi le professeur Yang a décidé de se tourner vers l’apprentissage automatique.
« L’apprentissage automatique peut tirer des conclusions générales, identifier les rôles clés et découvrir des modèles potentiels à partir de données complexes sans s’appuyer sur des connaissances préalables. Cela implique que nous pouvons acquérir une compréhension plus approfondie des interactions complexes entre les microplastiques et les PPCP, offrant ainsi de nouvelles perspectives et solutions pour sauvegarder écosystèmes », a déclaré le professeur Yang, soulignant le pouvoir de l’utilisation des bons outils.
L’étape suivante consistait à choisir un modèle d’apprentissage automatique approprié pour capturer la dynamique multidimensionnelle du processus d’adsorption. Algorithme puissant pour les problèmes de classification, l’arbre de décision à amplification de gradient (GBDT) est un choix populaire pour les tâches de prédiction. Cependant, son application à la tâche complexe et subtile consistant à distinguer divers comportements d’adsorption complexes s’est avérée difficile.
Le professeur Yang et son équipe ont ensuite examiné le coefficient d’information maximal (CMI) pour observer les dépendances entre les variables, rendant compte de l’affinité entre les groupes fonctionnels des microplastiques et les PPCP contaminants. L’intégration des deux approches avec les données FT-IR est devenue l’approche idéale pour prédire le comportement des microplastiques vieillis.
Pour collecter des données pour leur modèle d’apprentissage automatique, les chercheurs ont fait mariner des particules microplastiques dans un mélange de produits chimiques pour simuler le processus de vieillissement. La concoction a été périodiquement échantillonnée pendant le vieillissement pour observer les effets longitudinaux. Dans l’étude, l’équipe a prélevé des échantillons jusqu’à près de deux ans après leur proposition initiale pour s’assurer que des comportements d’adsorption appropriés étaient observés.
L’équipe a pu attribuer diverses dynamiques entre les microplastiques et les PPCP à divers mécanismes bien étudiés, allant des corrélations aux modèles de chimie quantique. Les données FT-IR ont permis à l’équipe d’observer les groupes fonctionnels les plus importants impliqués dans l’adsorption. Grâce à ces informations, leur modèle d’apprentissage automatique a capturé la complexité du système avec une précision allant jusqu’à 98 % pendant la formation et 70 % sur les données de test.
« Ce qui amplifie son importance, c’est notre capacité à prévoir les quantités d’adsorption de divers PPCP sur des microplastiques vieillis dans des environnements aquatiques réels », a déclaré le professeur Yang.
Cette étude jette un flambeau éclairant sur la scène des microplastiques, servant de référence cruciale pour les évaluations futures. Le professeur Yang espère également qu’il pourra aider les autorités compétentes à identifier les principaux polluants pour des stratégies ciblées de contrôle de la pollution.
Pour l’avenir, les chercheurs prévoient d’explorer la prochaine étape du cycle de vie de l’adsorption des microplastiques. Une évaluation complète des rejets de substances organiques provenant des microplastiques est en cours, afin d’évaluer l’impact à long terme des particules de plastique persistantes. Le professeur Yang aspire à mettre en lumière la dynamique complexe entre les microplastiques et les polluants, à quantifier leur impact et à apporter des contributions substantielles à la sensibilisation environnementale et à la formulation de politiques.
Plus d’information:
Jingjing Yao et al, Prédire la capacité d’adsorption des produits pharmaceutiques et des produits de soins personnels sur des microplastiques vieillis à long terme à l’aide de l’apprentissage automatique, Journal des Matériaux Dangereux (2023). DOI : 10.1016/j.jhazmat.2023.131963