Uma abordagem de modelo híbrido para estimar e prever o comportamento do processo de fermentação lignocelulósica frente ao efeito sinérgico de compostos inibidores e diferentes fontes carbono

• Processo: 22/08001-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 01 de dezembro de 2022
• Data de Término da vigência: 31 de julho de 2023
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Edvaldo Rodrigo de Morais
• Beneficiário: Rafael Boni
• Supervisor: Nilay Shah
• Instituição Sede: Centro Nacional de Pesquisa em Energia e Materiais (CNPEM). Ministério da Ciência, Tecnologia e Inovação (Brasil). Campinas , SP, Brasil
• Instituição Anfitriã: Imperial College London, Inglaterra
• Vinculado à bolsa: 19/00103-0 - Modelagem cinética da fermentação de pentoses: entendimento do comportamento sinérgico dos inibidores no metabolismo de leveduras S. cerevisiae geneticamente modificadas, BP.DD
• Assunto(s): Bioenergia Matriz energética Etanol celulósico Modelos matemáticos Métodos híbridos
• Palavra(s)-Chave do Pesquisador: Complex interactions | Hybrid modelling | Lignocellulosic fermentation | mathematical model | Bioenergia

Resumo

A substituição da matriz energética de petróleo por uma baseada em energia renovável é urgente. Um exemplo dessa transição é a produção de etanol a partir de matérias-primas lignocelulósicas através do processo de fermentação. O meio de fermentação lignocelulósico tem uma complexidade de alto nível, por isso é comum integrar observações experimentais e modelagem matemática para analisar a fermentação de forma abrangente. Atualmente, modelos de princípio fundamental têm sido aplicados para desenvolver um modelo matemático preditivo. No entanto, como a plataforma microbiana de interesse geralmente é apenas parcialmente compreendida, muitas vezes existem incompatibilidades. Um modelo orientado a dados também pode ser desenvolvido a partir de medições experimentais, mas esse modelo tem aplicabilidade restrita, pois é adaptado para descrever as relações de entrada-saída contidas nos conjuntos de dados de treinamento, sem extrapolação confiável. Assim, propomos uma estratégia de modelagem híbrida para melhor prever uma fermentação lignocelulósica preservando a generalização e interpretabilidade do modelo. Esperamos que isso possa ser alcançado através da troca mútua de conhecimento, onde o background brasileiro em biorrefinarias e recursos naturais (Dr. de Morais) seja profundamente aprimorado pelo know-how do Reino Unido em modelagem e otimização de bioprocessos (Dr. Shah). Para este projeto, foram estabelecidos quatro objetivos específicos (I) ajuste do modelo de princípio fundamental desenvolvido anteriormente pelo doutorando (projeto de pesquisa vinculado FAPESP nº 2019/00103-0) (II) escolha e desenvolvimento da melhor arquitetura de rede neural artificial (RNA) para processos fermentativos; (III) montagem da RNA com o modelo de princípio fundamental para criar um modelo híbrido; (IV) Avaliar a predição, generalização e interpretabilidade do modelo híbrido. Portanto, esperamos aplicar uma abordagem de modelo híbrido para superar a complexidade e não linearidade dos meios de fermentação lignocelulósicos fornecendo dispositivos para futuras modificações na estrutura da plataforma microbiana. (AU)