Einsatz des machinellen Lernens f\u00fcr die Algenkultivierung im Freiland<\/p>\n
Die Erfordernisse des Klima- und Umweltschutzes sowie die weiter wachsende Weltbev\u00c3\u00b6lkerung tragen dazu bei, dass die vornehmlich auf fossilen Ressourcen basierte Wirtschaftsweise an ihre nat\u00c3\u00bcrlichen Grenzen st\u00c3\u00b6\u00c3\u0178t. Vor allem nach der Pariser Vereinbarung in 2015 hat die Welt den Konsens getroffen, die Treibhausgase und die Umweltzerst\u00c3\u00b6rung zu reduzieren. Eine M\u00c3\u00b6glichkeit diesen Problemen zu begegnen, stellt, wegen der Verwendung von Kohlenstoffdioxid als Rohstoff und der M\u00c3\u00b6glichkeit Agrarfl\u00c3\u00a4chen einzusparen, die Nutzung von Algen dar.<\/p>\n
Mikroalgen eignen sich als Rohstoff zur Herstellung von Lebensmitteln, Kosmetikprodukten, Chemikalien, Pharmazeutika und Biokraftstoffen. Aus \u00c3\u00b6konomischen und \u00c3\u00b6kologischen Aspekten sollten Mikroalgen unter Verwendung des nat\u00c3\u00bcrlichen Tageslichts als Energiequelle im Freiland und im gro\u00c3\u0178en Ma\u00c3\u0178stab kultiviert werden. Allerdings besteht die gro\u00c3\u0178e Herausforderung darin, dass bis heute ein robustes und bew\u00c3\u00a4hrtes 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\u00c3\u00b6nnen.<\/p>\n
In anderen Bereichen werden dasmaschinelle Lernen h\u00c3\u00a4ufig f\u00c3\u00bcr 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\u00c3\u0178stab 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\u00c3\u0178stab weiter validiert.<\/p>\n
Das Endziel der Doktorarbeit ist die Einf\u00c3\u00bchrung von datenbasierten Algorithmen basierend auf dem maschinellen Lernen zur Steuerung der Algenkultivierung, um einen \u00c3\u00b6konomischen, \u00c3\u00b6kologischen und robusten Algenproduktionsprozess im industriellen Ma\u00c3\u0178stab zu entwickeln. Im Rahmen der Promotion wird die Kultivierung von Mikroalgen im Flatpanel-Airlift (FPA) Bioreaktor durchgef\u00c3\u00bchrt, um datengetriebene Modelle zum einen f\u00c3\u00bcr die effiziente Herstellung von Algenbiomasse und zum anderen f\u00c3\u00bcr die Anreicherung eines intrazellul\u00c3\u00a4res 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\u00c3\u00b6lkerung tragen dazu bei, dass die vornehmlich auf fossilen Ressourcen basierte Wirtschaftsweise an ihre nat\u00c3\u00bcrlichen Grenzen st\u00c3\u00b6\u00c3\u0178t. Vor allem nach der Pariser Vereinbarung in 2015 hat die Welt den Konsens getroffen, die Treibhausgase und die Umweltzerst\u00c3\u00b6rung […]<\/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\u00c3\u00a4t Stuttgart Institut f\u00c3\u00bcr Grenzfl\u00c3\u00a4chenverfahrenstechnik und Plasmatechnik","dbu_stipendiaten_betreuer":"Prof. Dr. G\u00c3\u00bcnter 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}]}}