Otimização da produção de etanol de segunda geração empregando técnicas de machine learning

• Processo: 24/13885-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2024
• Situação: Interrompido
• Área de conhecimento: Engenharias - Engenharia Química - Processos Industriais de Engenharia Química
• Pesquisador responsável: Antonio José Gonçalves da Cruz
• Beneficiário: Augusto Demetrio Canutilho
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 25/01916-6 - Redes neurais artificiais como modelos substitutos para simular a etapa de hidrólise enzimática da biomassa, BE.EP.IC
• Assunto(s): Cana-de-açúcar Bioetanol Inteligência artificial Aprendizado computacional Pré-tratamento
• Palavra(s)-Chave do Pesquisador: cana-de-açúcar | Etanol de segunda geração | Inteligência Artificial | machine learning | phyton | pré-tratamento | Inteligência artificial

Resumo

Os biocombustíveis apresentam um potencial significativo para a diversificação da matriz energética brasileira, contribuindo para a mitigação da poluição decorrente da combustão de combustíveis fósseis. A cana-de-açúcar, principal matéria-prima na produção do etanol de primeira geração (E1G), gera subprodutos como o bagaço e a palha, que podem ser utilizados na produção do etanol de segunda geração (E2G). A utilização desses resíduos permite incrementar a produção de etanol sem a necessidade de expandir a área de cultivo, reduzindo a pressão sobre terras agricultáveis e as emissões de gases do efeito estufa. Contudo, a produção de E2G ainda enfrenta desafios para alcançar a viabilidade econômica, demandando etapas adicionais de pré-tratamento e hidrólise da biomassa para obtenção dos açúcares fermentescíveis. Diante disso, este projeto de iniciação científica propõe o desenvolvimento de um software, utilizando técnicas de inteligência artificial e machine learning, para identificar condições operacionais ótimas nas etapas de pré-tratamento e hidrólise enzimática, visando maximizar a produção de E2G a partir da palha e do bagaço da cana-de-açúcar. A ferramenta computacional, implementada em Python, contará com uma interface gráfica para visualização e interação com parâmetros da produção (como concentração de sólidos, enzimas e tempo de reação), além de ser projetada para ser reutilizável e expansível, permitindo a incorporação de novos modelos e dados experimentais, aprimorando sua capacidade preditiva.