Hoppa till innehållet
Dekorativ bild
I projektet ska AI hitta mönster och skapa modeller för cirkulär matproduktion. Visa originalbild , Öppnas i nytt fönster/flik

AI skapar unik modell för cirkulär matproduktion

Publicerad: 25 februari 2022

Soliga somrar, bitiga vintrar – och restvärme från datacenter. Det är ingredienserna som forskare från Luleå tekniska universitet ska använda för att skapa ett artificiellt recept på cirkulär matproduktion.

– Det här projektet tillåter oss att lägga grunden för ett starkt samarbete kring innovativ och hållbar landbaserad livsmedelsproduktion i Norrbotten. Det här är det första projektet som syftar till ett komplett cirkulärt system, med minsta möjliga miljöpåverkan, säger Ali Usman, forskare i maskininlärning vid Luleå tekniska universitet.

Projektet, som ska hitta nya modeller för landbaserad matproduktion i Norrbotten, har flera beståndsdelar: artificiell intelligens, Bodens geografiska förutsättningar, restvärme från exempelvis datacenter och cirkulär användning av näringsämnen i slutet system.

– Vi vill förstå energiflödena som behövs för matproduktion, för att då bättre kunna förstå hur restvärme från liknande anläggningar kan nyttjas, och syftar på kommande stålverk H2 Green Steels etablering i Boden, säger Michael Nilsson, projektledare vid Luleå tekniska universitet.

En annan slags kostcirkel

Så här hänger det ihop: I Boden pågår stora satsningar med datacenter och grönt stål. Dessa avger restvärme, en värdefull energikälla, som skulle kunna tas tillvara – exempelvis för att odla grönsaker eller fisk. I dagsläget finns ingen färdig lösning för detta, bland annat för att energiflödet skiftar. För att det ska fungera behöver det finnas intelligenta system som blixtsnabbt kan anpassa sig efter dessa skiftande förutsättningar.

– Projektet kommer att nå fram till en modell över energiflöden. Förhoppningen är att de kunskaperna ska kunna tillämpas praktiskt i en fullskalig anläggning i framtiden, förklarar Michael Nilsson.

Projektets teoretiska ekosystem, som i framtiden skulle kunna ligga nedströms från ett datacenter eller vätgasanläggning, består av biologiska produktionsprocesser: mikroalger, insekter, grönsaker och fisk. De två förstnämnda kommer att utgöra näring för ett hållbart fiskfoder. Befintliga pilotexperiment och data ger information om hur energi överförs mellan lagren i olika situationer. Utifrån data kan AI-modellen i sin tur med hjälp av djupinlärning skapa modeller över hur och när restvärmen ska användas – och på så vis få ett slutet system, förklarar Ali Usman:

– AI-modellerna ska inom några sekunder simulera komplicerade fysikaliska processer som, framtagna manuellt, hade tagit timmar att beräkna.

Grundlig djupinlärning

De varma somrarna och stränga vintrarna i norra Sverige kan representera många olika förhållanden, vilket man drar nytta av i undersökningen. Modellen över hur och när restvärmen ska användas ska vara applicerbar i ett nordiskt klimat.

–  Forskargruppen tar fram maskininlärningsmetoder som simulerar flödet av energi och näring i en mycket komplicerad miljö med insekter, fisk, mikrober och algproduktion med värme från datacenter. Genom att bevara näring i ett cirkulärt system och kombinera med energin från datacenter så kan vi göra skillnad: hållbara grönsaker och fisk, tillverkat i Boden, avslutar Ali Usman.

Kontakt

Ali Usman

Ali Usman, Post doktor

Organisation: Maskininlärning, EISLAB, Institutionen för system- och rymdteknik