Einsatz des machinellen Lernens f\u00fcr die Algenkultivierung im Freiland<\/p>\n
Die Erfordernisse des Klima- und Umweltschutzes sowie die weiter wachsende Weltbev\u00f6lkerung tragen dazu bei, dass die vornehmlich auf fossilen Ressourcen basierte Wirtschaftsweise an ihre nat\u00fcrlichen Grenzen st\u00f6\u00dft. Vor allem nach der Pariser Vereinbarung in 2015 hat die Welt den Konsens getroffen, die Treibhausgase und die Umweltzerst\u00f6rung zu reduzieren. Eine M\u00f6glichkeit diesen Problemen zu begegnen, stellt, wegen der Verwendung von Kohlenstoffdioxid als Rohstoff und der M\u00f6glichkeit Agrarfl\u00e4chen einzusparen, die Nutzung von Algen dar.<\/p>\n
Mikroalgen eignen sich als Rohstoff zur Herstellung von Lebensmitteln, Kosmetikprodukten, Chemikalien, Pharmazeutika und Biokraftstoffen. Aus \u00f6konomischen und \u00f6kologischen Aspekten sollten Mikroalgen unter Verwendung des nat\u00fcrlichen Tageslichts als Energiequelle im Freiland und im gro\u00dfen Ma\u00dfstab kultiviert werden. Allerdings besteht die gro\u00dfe Herausforderung darin, dass bis heute ein robustes und bew\u00e4hrtes vollautomatisiertes Kontrollsystem der Algenkultur noch nicht etabliert ist. Dies liegt vorrangig an fehlenden Modellen, mit denen das Algenwachstum und die Produktbildung in den Algen gesteuert werden k\u00f6nnen.<\/p>\n
In anderen Bereichen werden dasmaschinelle Lernen h\u00e4ufig f\u00fcr die Vorhersage und Optimierung eingesetzt. Daher gehen wir davonaus, dass maschinelles Lernen auch das Wachstumsverhalten der Mikroalgen in derFreilandkultivierung vorhersagen kann. Um unsere Hypothese zu testen, haben wir einen derAlgorithmen des Machine Learning, Supportvektor-Maschine (SVM), verwendet, um das Wachstumvon Phaeodactylum tricornutum im Pilotma\u00dfstab im Freiland vorherzusagen. Unsere Ergebnissezeigen, dass das SVM-basierte Modell die Wachstumsrate von Phaeodactylum tricornutum mit einemKorrelationskoeffizienten von 88% vorhersagen kann. Gleichzeitig ergibt ein Modell mit Monod-Kinetik einen Korrelationskoeffizienten von 82%. Diese beide Modelle werden sowohl im Labor- alsauch im Pilotma\u00dfstab weiter validiert.<\/p>\n
Das Endziel der Doktorarbeit ist die Einf\u00fchrung von datenbasierten Algorithmen basierend auf dem maschinellen Lernen zur Steuerung der Algenkultivierung, um einen \u00f6konomischen, \u00f6kologischen und robusten Algenproduktionsprozess im industriellen Ma\u00dfstab zu entwickeln. Im Rahmen der Promotion wird die Kultivierung von Mikroalgen im Flatpanel-Airlift (FPA) Bioreaktor durchgef\u00fchrt, um datengetriebene Modelle zum einen f\u00fcr die effiziente Herstellung von Algenbiomasse und zum anderen f\u00fcr die Anreicherung eines intrazellul\u00e4res Produkts, was am Beispiel Laminarin gezeigt werden soll.<\/p>\n","protected":false},"excerpt":{"rendered":"
Einsatz des machinellen Lernens f\u00fcr die Algenkultivierung im Freiland Die Erfordernisse des Klima- und Umweltschutzes sowie die weiter wachsende Weltbev\u00f6lkerung tragen dazu bei, dass die vornehmlich auf fossilen Ressourcen basierte Wirtschaftsweise an ihre nat\u00fcrlichen Grenzen st\u00f6\u00dft. Vor allem nach der Pariser Vereinbarung in 2015 hat die Welt den Konsens getroffen, die Treibhausgase und die Umweltzerst\u00f6rung […]<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","meta":{"footnotes":""},"categories":[],"tags":[2477],"class_list":["post-52418","promotionsstipendium","type-promotionsstipendium","status-publish","hentry","tag-deutschland"],"meta_box":{"dbu_stipendiaten_az":"20017\/498","dbu_stipendiaten_anrede":"","dbu_stipendiaten_nachname":"Yeh","dbu_stipendiaten_vorname":"Yen-cheng","dbu_stipendiaten_titel":"","dbu_stipendiaten_fbeginn":"2017-10-01 00:00:00","dbu_stipendiaten_fende":"2020-12-31 00:00:00","dbu_stipendiaten_e_anschrif":"Universit\u00e4t Stuttgart Institut f\u00fcr Grenzfl\u00e4chenverfahrenstechnik und Plasmatechnik","dbu_stipendiaten_betreuer":"Prof. Dr. G\u00fcnter Tovar","dbu_stipendiaten_email_dienst":"solomon0310@gmail.com"},"_links":{"self":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52418","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium"}],"about":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/types\/promotionsstipendium"}],"author":[{"embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52418\/revisions"}],"predecessor-version":[{"id":58430,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52418\/revisions\/58430"}],"wp:attachment":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/media?parent=52418"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/categories?post=52418"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/tags?post=52418"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}