面向采后保鲜的机器人自动化—机器学习—生命周期评价集成工作流加速可持续抗菌生物基包装材料发现

《SCIENCE ADVANCES》：Sustainable biobased packaging via integrated robotics/machine learning workflow for improved postharvest preservation

　　

依赖石油基塑料包装加重环境负担，并缺乏内在抗菌保护以抵御食品腐败。生物基材料虽提供可持续替代方案，但其配方优化受制于庞大的组分库、低效的试错实验以及复杂的多性能要求。为此，研究人员开发了一种整合机器人自动化、机器学习（ML）预测、密度泛函理论（DFT）和生命周期评价（LCA）的工作流程，以加速生物基包装发现。借助数据增强和集成建模，研究人员使用分层神经网络预测了约10亿个候选配方，并平衡力学性能、光学透明性和环境足迹。所得生物基包装表现出增强的水稳定性、有效抗菌活性和高阻隔性能，显著延长黄瓜和牛油果的货架期。最后，研究人员发布了一个数据共享平台，具备正向预测、逆向设计和环境影响功能，以支持社区使用。该整合框架提供了可替代传统塑料薄膜的可持续抗菌包装材料。

研究背景与问题：食品包装长期依赖聚苯乙烯（PS，polystyrene）、聚氯乙烯（PVC，polyvinyl chloride）、低密度聚乙烯（LDPE，low-density polyethylene）、高密度聚乙烯（HDPE，high-density polyethylene）及多层复合材料；其生产能耗高并显著排放温室气体，例如2020年美国PVC制造产生约1800万公吨CO₂。使用后塑料废弃物流入填埋场和海洋的比例>85%，并释放微塑料；传统塑料还缺乏内在抗菌功能，难以抑制贮藏期间微生物生长和食源性污染。生物基材料具来源丰富、可再生、可堆肥、吸湿和主动抗菌等功能优势，可降低碳足迹、塑料污染和微塑料污染，但其配方发现受限于庞大组分库、多性能要求及分子动力学等模拟的高计算成本。原文举例，23种成分任选5种并以2 wt%步长调配即产生>10¹⁰种配方，逐一制备表征需>180万年，因而需要数据驱动的多目标优化框架。研究人员因此构建机器人自动化、ML预测、DFT模拟和LCA整合工作流，以加速可持续生物基包装发现并改善采后保鲜；该研究发表于《SCIENCE ADVANCES》。

关键技术方法（≤250字）：以23种天然、GRAS（一般认为安全 Recognized As Safe）和/或生物基成分构建材料库；用Opentrons OT-2自动移液机器人进行多样性及不确定性采样并铸膜，形成2420个膜可行性数据集；以ANN（人工神经网络，artificial neural network）分类器集成定义可成膜设计空间，并经16轮主动学习再制备343个膜，表征力学、光学和阻燃性质；采用不确定性扰动数据增强与分层神经网络集成预测；用DFT计算金属离子与纤维素纳米纤维（CNF，cellulose nanofiber）/羧甲基纤维素钠（CMC，sodium carboxymethyl cellulose）或壳聚糖（CHS，chitosan）的结合能；开展从摇篮到大门LCA；以黄瓜（4°C、15天、20根/条件）和牛油果（室温、7天、6个/条件）验证保鲜。原文未说明农产品供应商或产地队列。

研究结果：
**Building a sustainable biobased packaging materials library（构建可持续生物基包装材料库）**：研究人员选取23种天然、GRAS和/或生物基成分，分为2种纳米填料、13种生物聚合物和8种添加剂；蒙脱石（MMT，montmorillonite）、锂皂石（LAP，laponite）和CNF等分散体在>3个月内zeta电位低于?40 mV；组分选择和比例对膜的光学、力学和阻燃性能呈非线性影响。
**Defining the design space of biobased nanocomposite films via an automated pipetting robot and an ANN-based classifier ensemble（通过自动移液机器人和ANN分类器集成定义设计空间）**：OT-2机器人以多样性采样制备2120个混合液并铸膜，按粘附能<3 mJ cm^?2和表面粗糙度<10 μm判定“可行”；多样性采样得到465个可行和1655个不可行膜，不确定性采样再制备300个混合液并得到126个可行和174个不可行膜；ANN分类器在独立测试和前瞻性制备测试中准确率分别为82.5%和82.2%，据此界定可成膜设计空间。
**Exploring the design space of biobased packaging films through active learning loops（通过主动学习循环探索设计空间）**：16轮主动学习以σ_u（极限抗拉强度，ultimate tensile strength）和SED（应变能密度，strain energy density）最大化为目标，共制备并表征343个膜；随采样策略从多样性转向性能优化，σ_u由54.6 MPa提升至161.7 MPa，SED达到20.0 MJ m^?3；仅依赖文献的人为选择策略不可行膜比例高、组分限于2—3种，σ_u仅5—52 MPa、SED仅0—4.2 MJ m^?3。
**Developing a prediction model with hierarchical neural networks through a data-augmented and ensemble modeling strategy（通过数据增强和集成建模构建分层神经网络预测模型）**：构建共享编码器和3个性质输出头的分层神经网络，并用不确定性扰动进行数据增强（虚拟:真实=100:1）及5个网络集成；独立测试MRE（平均相对误差，mean relative error）约16%，前瞻性制备测试约16.4%，与力学标签约15%的测量波动相当；SHAP（SHapley Additive exPlanations）分析的关键配方—性质关联经胶体稳定性和截面SEM（扫描电子显微镜，scanning electron microscopy）验证；在200个配方约束下，主动学习优于随机、多样性采样和贝叶斯优化，预测σ_u可达约160 MPa。
**Predictive design of biobased packaging films with high σ_u and tunable T_Vis（高σ_u和可调T_Vis生物基包装膜的预测设计）**：对约10亿个候选配方进行预测，并以预测方差<15%（8个性质标签平均）聚类筛选；模型给出高σ_u>100 MPa且T_Vis（可见光透过率，visible transmittance）分别>90%、60—80%和<40%的三种膜配方，实测σ_u分别151±5.7、114±6和110±5 MPa，T_Vis分别90±0.5%、70±3%和35±3%，并可制成承重>3 kg的重载果蔬袋；DFT比较Cu²⁺、Al³⁺、Ca²⁺和Zn²⁺后显示Ca²⁺在CNF/CMC基体中总结合能最高，Ca²⁺交联使高σ_u膜由220±15 MPa提高到320±19 MPa（最高339 MPa），Ca²⁺负载量为2.68 wt%。
**Predictive discovery of transparent, high-SED, antimicrobial biobased packaging for extended shelf life of cucumbers（透明、高SED、抗菌生物基包装用于延长黄瓜货架期的预测发现）**：以T_Vis>90%和SED>15 MJ m^?3为目标，模型识别CHS富集配方，实测T_Vis 91.2±0.29%、SED 25.6±0.95 MJ m^?3；DFT显示Cu²⁺与CHS结合能最高，经Na₂Cu(OH)₄处理制得Cu²⁺/CHS膜，XPS（X射线光电子能谱，x-ray photoelectron spectroscopy）和Cu—N峰确认Cu²⁺络合，Cu²⁺负载量2.52 wt%（61 μg cm^?2）；该膜对E. coli（大肠杆菌，Escherichia coli）生长具明显抑制，3T3-L1细胞在高达200 μg ml^?1浸出物下仍保持高存活率，吸湿量0.25 g/g（LDPE为0.01 g/g），氧透过率1.31 cm³ mm m^?2 day^?1 atm^?1；4°C贮藏黄瓜15天使霉变和腐烂减轻、硬度保持更好，电解质渗漏率21%（LDPE 34%、未包装54%），第15天APC（需氧平板计数，aerobic plate count）和酵母/霉菌计数最低，MDA（丙二醛，malondialdehyde）最低为17.3 mmol kg^?1 FW（鲜重，fresh weight），果肉铜约0.4 ppm且与未包装对照不可区分，提示迁移可忽略。
**LCA-informed discovery and refinement of sustainable biobased packaging materials（LCA指导下发现和优化可持续生物基包装材料）**：采用从摇篮到大门LCA评估1 kg CHS富集膜，覆盖原料提取至膜生产，并比较PVC、LDPE和HDPE；CHS富集膜在多个类别降低影响，但在酸化、富营养化、非致癌毒性、生态毒性和臭氧消耗方面仍逊于LDPE/HDPE，CHS（59 wt%）为主要贡献者。将该LCA结果反馈模型并排除CHS、要求CNF>30 wt%后，模型识别CNF/CMC/GLY/CAR配方，实测SED 16.5±1.8 MJ m^?3、T_Vis 91.0±0.6%，其LCA在除臭氧消耗外近全部类别低于传统塑料；经Cu(OAc)₂引入Cu²⁺（2.44 wt%）得Cu²⁺/cellulose膜，吸湿量0.54 g/g；室温7天牛油果试验中，该膜包装保持果皮绿色和果肉绿黄色，硬度峰值587.7 gf（LDPE 201.3 gf、未包装118.3 gf），质量损失8.7%（未包装11.6%），酵母/霉菌计数显著较低，APC因牛油果皮/籽固有抗菌化合物而无显著差异；机制涉及吸湿调控和Cu²⁺抗真菌作用。土埋60天后所有生物基膜完全解体，LDPE/HDPE保持完整；估算土壤Cu²⁺浓度低于美国环境保护署（EPA，Environmental Protection Agency）生态土壤筛选水平。
**Development of a data-sharing platform for sustainable biobased packaging materials（可持续生物基包装材料数据共享平台开发）**：平台汇集约10亿个候选配方及预测的成膜质量、T_Vis、σ_u和SED；正向预测允许输入最多5种成分及比例，仅在预测成膜质量高且方差<30%时显示性质；逆向设计可按目标T_Vis、σ_u和/或SED进行聚类分析以给出配方及负载范围；LCA功能可比较最多5种选定生物聚合物/添加剂组成的生物基膜与LDPE、HDPE、PVC，覆盖化石燃料耗竭、全球变暖潜势、光化学烟雾、酸化、富营养化、致癌毒性、非致癌毒性、呼吸效应、生态毒性和臭氧消耗等10类环境影响。

讨论部分总结及研究结论翻译：讨论部分指出，该整合工作流通过机器人自动化与主动学习实现巨大设计空间的高效探索，分层神经网络预测MRE约16%，在约10亿候选配方中映射σ_u-T_Vis、SED-T_Vis和σ_u-SED权衡关系；Cu²⁺/CHS和Cu²⁺/cellulose膜具有>T_Vis90%、>SED 15 MJ m^?3、抗菌、改善水分/氧气阻隔并延长黄瓜和牛油果货架期；LCA反馈可进一步降低环境影响；数据共享平台促进采用。讨论还提出未来方向：扩充新近报道成分、用SMILES表示官能化衍生物并结合反事实解释、通过迁移学习纳入绿色交联化学、开展标准化/接种采后机制研究、验证刮涂及棒涂/槽模涂/卷对卷放大、完善从摇篮到坟墓LCA及技术经济分析，并强调生物基包装不能单独解决塑料污染和食物浪费，需与供应链效率、消费者教育和政策支持结合。研究结论性表述可译为：本研究提出一种整合机器人自动化、ML预测、DFT模拟和LCA的工作流程，以加速用于增强农产品保鲜的可持续生物基包装材料的发现和优化。将机器人自动化整合到主动学习循环中，使生物基纳米复合膜巨大设计空间得以高效探索，并构建了高质量实验数据集。采用数据增强和集成建模策略，研究人员构建了由多个分层神经网络组成的预测模型，在预测生物基包装膜理化性质方面实现了约16%的较低测试MRE。该神经网络由共享编码器和多个性质专属输出头组成，可同时基于成膜可行性和测量性质数据进行训练。预测模型在设定误差容限内预测了约10亿个候选配方，并绘制了σ_u-T_Vis、SED-T_Vis和σ_u-SED之间的权衡超平面，从而支持均衡且面向应用的可持续生物基包装材料设计。在这些模型预测配方中，Cu²⁺/CHS和Cu²⁺/cellulose膜表现出>90%的高T_Vis、>15 MJ m^?3的高SED、强抗菌性能以及改善的水分和氧气阻隔性能，优于传统塑料保鲜膜并延长采后农产品（如黄瓜和牛油果）货架期。LCA信息反馈进一步整合到模型指导的优化过程中，在保持目标性能的同时优化包装配方以降低环境影响。最后，建立的数据共享平台具有正向预测、逆向设计和LCA分析功能，以促进合作和可持续生物基包装材料的更广泛采用。此外，讨论强调仅凭可持续生物基包装无法完全解决塑料污染和食物浪费的多因素挑战，解决这些问题需要整合供应链效率、消费者教育和政策支持的整体性方案；开发延长货架期的生物基食品包装可促进到2030年将食物损失和浪费减少50%等国家目标，并提升消费者满意度和加速市场采用。