Redes neurais artificiais como modelos substitutos para simular a etapa de hidrólise enzimática da biomassa

• Processo: 25/01916-6
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 31 de maio de 2025
• Data de Término da vigência: 30 de agosto de 2025
• Área de conhecimento: Engenharias - Engenharia Química - Processos Industriais de Engenharia Química
• Pesquisador responsável: Antonio José Gonçalves da Cruz
• Beneficiário: Augusto Demetrio Canutilho
• Supervisor: Carina Loureiro da Costa Lira Gargalo
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: Technical University of Denmark (DTU), Dinamarca
• Vinculado à bolsa: 24/13885-5 - Otimização da produção de etanol de segunda geração empregando técnicas de machine learning, BP.IC
• Assunto(s): Inteligência artificial Aprendizado computacional Python
• Palavra(s)-Chave do Pesquisador: artificial intelligence | Enzymatic hydrolysis | Lignocellulosic biomass | machine learning | python | Second Generation Ethanol | Modelagem e simulação de processos químicos

Resumo

Atualmente, 80% do consumo global de energia vem de combustíveis fósseis. Nesse contexto, os combustíveis renováveis, ou biocombustíveis, oferecem uma alternativa ambientalmente amigável, pois são derivados da biomassa e ajudam a reduzir as emissões de dióxido de carbono. As matérias-primas lignocelulósicas, ricas em carboidratos e de baixo custo relativo, surgiram como uma fonte promissora. No entanto, os açúcares monoméricos desses materiais não estão prontamente disponíveis devido à sua presença em uma estrutura complexa composta por celulose, hemicelulose e lignina. A glicose e a xilose, os açúcares monoméricos que são convertidos em etanol por leveduras (conhecido como etanol de segunda geração), são as unidades principais da celulose e da hemicelulose, respectivamente. Para extrair esses açúcares, é necessário romper o complexo lignocelulósico por meio de duas operações-chave: pré-tratamento e hidrólise enzimática. Este projeto tem como objetivo desenvolver um modelo substituto baseado em redes neurais artificiais para simular o processo de hidrólise enzimática. Dados da literatura sobre a hidrólise lignocelulósica serão usados para identificar as principais variáveis que influenciam o processo, permitindo a criação de um modelo representativo do processo. O modelo matemático será implementado no software Python, com uma interface gráfica desenvolvida para facilitar a interação do usuário, visualização e também a melhoria contínua do modelo.