AI를 활용한 재활용 비용 효율성 향상: NIST 연구의 통찰력

재활용은 지방 정부에 상당한 비용이 될 수 있지만, AI는 이러한 비용을 절감하고 재활용률을 높이는 데 도움이 될 수 있습니다. NIST 연구원들은 재활용을 더욱 효율적이고 저렴하게 만들기 위해 노력하고 있습니다.

플라스틱을 "재활용 쓰레기통"에 버린 후 어떻게 되는지 궁금한 적이 있나요?

이 질문은 최근 뉴스에 자주 등장하고 있습니다.

답은 꽤 복잡합니다. 어디에 사시는지, 어떤 종류의 플라스틱을 버리셨는지에 따라 다르죠.

재활용품 수거는 지방 정부에 막대한 비용을 초래합니다. 플라스틱 처리 시설은 물론, 수거 트럭과 쓰레기통도 유지해야 합니다. 또한, 이 일을 할 인력도 고용해야 합니다. 모든 것을 매립지에 버리는 것이 훨씬 저렴할 것입니다.

하지만 지방 정부가 재활용을 할 때, 적절한 인프라를 갖추면 쓰레기를 현금으로 바꿀 수 있습니다. 수거된 플라스틱을 제조업체에 판매함으로써 비용을 일부 상쇄할 수 있습니다. 대부분의 제조업체는 재활용 플라스틱이 새것과 거의 같은 품질을 유지하기를 원하며, 이를 위해서는 일관된 품질의 제품을 제공하기 위해 세심한 분류가 필요합니다.

대부분의 사람들에게 모든 플라스틱은 똑같이 보입니다. 하지만 예리한 눈은 플라스틱의 흔한 종류가 일곱 가지라는 것을 알고 있습니다. 거의 모든 플라스틱 용기 바닥에 있는 작은 재활용 기호로 플라스틱을 구별할 수 있습니다. 이 숫자들은 플라스틱의 화학적 구성을 파악하는 데 도움이 됩니다. 재활용품을 분류할 때 이 기호들을 본 적이 있을 것입니다.

다음은 이러한 자료 중 일부에 대한 분석입니다.

재료	일반적인 용도	재활용 코드
폴리에틸렌 테레프탈레이트	소다병, 물병	1 – 피트
고밀도 폴리에틸렌	우유병, 세제병	2 – 고밀도 폴리에틸렌(HDPE)
폴리염화비닐	파이프, 샤워커튼	3 – PVC
저밀도 폴리에틸렌	식료품 봉지, 샌드위치 봉지	4 – 저밀도 폴리에틸렌(LDPE)
폴리프로필렌	테이크아웃 용기, 요거트 컵	5 – PP
폴리스티렌	일회용 커피컵	6 – PS
다른	안전 안경, DVD, 재사용 가능한 물병 다수	7 – 기타

이러한 플라스틱을 분류하는 것은 매우 중요합니다. 유사한 특성을 가진 여러 종류의 플라스틱은 서로 다른 용융 공정이 필요하기 때문에 혼합하기 어려운 경우가 많습니다.

PVC를 예로 들어 보겠습니다. PVC는 파이프부터 샤워 커튼까지 모든 것에 사용됩니다. 녹은 PVC는 여러 산업 분야에 유용한 강산을 생성합니다. 하지만 다른 많은 산과 마찬가지로, 예상치 못한 산을 만들어내는 것은 바람직하지 않습니다.

폴리올레핀은 HDPE(우유병에 사용), LDPE(비닐봉지에 사용), PP(테이크아웃 용기에 사용)를 포함하는 플라스틱 그룹으로, 더 온화한 예입니다. 이러한 플라스틱은 약 40% 전 세계 플라스틱 생산량의 1/3을 차지합니다. 또한 분류하기가 가장 어려운 플라스틱 중 하나이기도 합니다.

우유병에 사용되는 플라스틱은 결정 구조 때문에 녹이고 재가공하는 데 고온이 필요합니다. 하지만 비닐봉투의 오염 물질이 우유병에 섞이면 이러한 고온에서 분해됩니다. 따라서 비닐봉투가 우유병에 섞이면 변색되고 사용할 수 없는 우유병이 생길 수 있습니다. 이러한 가공상의 위험 때문에 재활용 플라스틱으로 만든 우유병을 많이 볼 수 없습니다.

또한, 테이크아웃 용기에 담긴 고온 안정형 재료가 비닐봉지 가공 라인에 들어가면 기계가 막힐 수 있습니다.

몽고메리 카운티 재활용 센터의 근로자들이 재활용품을 분류하고 있습니다.

이론상으로는 작은 재활용 기호를 사용하여 플라스틱 폐기물을 쉽게 분류할 수 있습니다. 그런 다음, 분류된 플라스틱을 2차 재활용 업체에 판매하여 제품으로 만들 수 있습니다.

가격은 플라스틱의 순도에 따라 달라집니다. 주황색 세제병 여러 개가 뭉치로 묶여 있으면 쉽게 찾을 수 있어 고가에 판매될 수 있습니다. 하지만 테이크아웃 용기를 여러 개 쌓아 놓으면 여러 가지 색소나 첨가물이 쉽게 섞일 수 있습니다.

메릴랜드주 몽고메리 카운티의 지역 재활용 시설에서는 사람들이 세제병, 식품 용기 등을 직접 분류합니다. 하지만 손과 눈은 움직이는 데 한계가 있고, 그 속도에서는 실수가 발생하기 쉽습니다. 따라서 재활용 시설에서는 2차 재활용 업체에 판매할 때 일관성을 유지하기 위해 가치가 높거나 식별하기 쉬운 플라스틱을 분류하는 데 중점을 둡니다. 이는 세제병과 음료 용기가 높은 비율로 재활용된다는 것을 의미합니다. 플라스틱 "식기류"나 오래된 어린이 장난감은 재활용되지 않을 수 있습니다.

분류 작업을 돕기 위해 NIST는 근적외선(NIR)을 사용하는 데 중점을 두었습니다. 이 기술은 다양한 플라스틱을 빠르게 식별할 수 있습니다. 일부 주요 재활용 시설에서는 이미 조명이나 카메라를 사용하여 PVC 파이프에서 탄산음료 병을 "보고" 분류합니다.

하지만 이러한 시스템으로 모든 것을 분류할 수는 없습니다. 제 연구는 재활용 업체가 수익을 창출할 수 있도록 가장 까다로운 플라스틱을 분류하는 방법을 개발하는 데 중점을 두고 있습니다.

재활용을 더욱 효율적으로 만드는 방법

이러한 점을 염두에 두고 저희 팀은 NIR 방식을 살펴보고 머신 러닝 알고리즘과 기타 과학적 기술을 통해 개선하기로 결정했습니다.

적외선 분광법에서는 특정 분자에 서로 다른 파장의 빛을 비춥니다. 이 분자들은 특정 파장의 빛 에너지 중 일부를 흡수하고 나머지는 반사하거나 투과시킵니다.

이 문제를 꽃과 색깔로 생각해 볼 수 있습니다. 예를 들어, 햇빛의 여러 파장이 빨간 장미에 닿으면 장미는 빨간색을 제외한 모든 파장/색을 매우 잘 흡수합니다. 빨간색 빛은 꽃잎에서 반사되기 때문에 장미가 우리에게 빨간색으로 보이는 것입니다.

꽃이나 플라스틱 병에 비춘 빛의 색상과 강도, 그리고 반사되는 빛의 색상/강도를 알고 있다면, 지문처럼 그 차이점을 이용해 더 많은 꽃이나 병을 식별할 수 있습니다.

머신러닝을 활용하여 다양한 플라스틱 소재의 근적외선 지문을 찾아낼 수 있습니다. 그런 다음, 다른 플라스틱의 근적외선 신호와 비교하여 새로운 근적외선 신호를 기반으로 플라스틱을 식별하도록 컴퓨터를 "훈련"시킵니다. 이 훈련은 기술이 음료수 병의 소재를 인식하고, 테이크아웃 용기와 어떻게 다른지 파악하여 그에 따라 분류하는 데 도움이 됩니다.

첫 번째 논문에서는 머신러닝을 사용하여 플라스틱 신호를 특정 속성(예: 폴리에틸렌의 밀도 및 결정질)과 연결했습니다. 일반적으로 밀도는 다양한 액체에 담긴 플라스틱의 무게를 측정하고 그 차이를 비교하여 측정합니다. 이는 매우 느리고 지루한 과정입니다.

하지만 반사광을 사용하면 거의 동일한 정보를 훨씬 더 빠르게 찾을 수 있다는 것을 보여주었습니다. 재활용 라인에서는 시간이 매우 중요합니다.

이 방법은 크고 작은 샘플에 모두 적용할 수 있습니다. 이는 신중하게 설정하면 빛 기반 측정에서 더 많은 정보를 얻을 수 있다는 것을 보여주기 때문에 흥미롭습니다.

아직 매우 초기 단계이며 모든 종류의 플라스틱에 적용되는 것은 아닙니다. 따라서 모든 플라스틱을 분석하여 정확한 특성을 파악할 수는 없지만, 흥미로운 시작입니다. 규모를 확장할 수 있다면 재활용 업체와 제조업체가 품질 관리 단계에서 많은 시간과 노력을 절약할 수 있을 것입니다.

이 연구를 발표한 이후, 저는 이러한 측정 데이터를 어떻게 처리할지 심도 있게 연구해 왔습니다. 플라스틱의 모양과 샘플이 펠릿, 분말, 병인지에 따라 매우 다른 데이터가 얻어집니다.

빛은 여전히 반사하지만, 플라스틱의 모양에 따라 반사 방향이 다르기 때문입니다. 맑은 연못과 잔물결이 많은 연못의 반사를 상상해 보세요. 여기에 신호를 크게 바꿀 수 있는 색소와 방부제를 첨가할 수 있습니다. 이렇게 한다고 해서 데이터가 틀려지는 것은 아니지만, 분류에 영향을 줄 수 있습니다. 흑백 사진과 같은 인물 사진을 흑백, 컬러, 만화, 그림으로 분류하는 것과 같다고 생각해 볼 수 있습니다.

이 문제를 해결하기 위해 저희 팀은 데이터 세트를 확장해 왔고, 저는 분말, 펠릿, 그리고 유색 플라스틱을 동일한 조건에 놓을 수 있는 수학적 해결책을 모색하고 있습니다. 이렇게 할 수 있다면 머신러닝을 통해 어떤 플라스틱이 어떤 플라스틱인지 식별하는 것이 더 쉬워질 것입니다.

이 연구를 더욱 광범위하게 활용하기 위해, 까다로운 폴리올레핀도 분류할 수 있음을 보여주고자 노력하고 있습니다. 현재 제가 사용하는 방법을 사용하여 이러한 플라스틱 분류에서 95%에서 98%의 정확도를 달성했습니다. 근적외선(NIR) 장비를 갖춘 거의 모든 재활용 시설에서 즉시 사용할 수 있는 공정을 사용하여 이 작업을 진행하고 있습니다.

이미 많은 재활용 시설에서 비슷한 알고리즘을 사용하고 있을지 모르지만, 이 연구에서는 분류하기 어려운 폴리올레핀에 초점을 맞춰 더욱 정교하게 개선했습니다.

이러한 폐기물을 효과적으로 분류할 수 있다면, 처리 문제를 줄여 재활용할 수 있고, 재활용의 수익성도 높일 수 있습니다. 그렇게 되면 수익이 재활용 습관 개선으로 이어지고, 선형 경제를 순환 경제로 전환할 수 있을 것입니다.

해결해야 할 퍼즐로서의 재활용

저는 문제 해결사예요. 퍼즐을 하나씩 풀어나가죠.

저는 폴리머 연구 외에도 난소암에 대한 약물 전달 시스템을 연구했고, 현재는 인공지능(AI)과 머신 러닝을 활용하고 있습니다.

저는 복잡한 문제를 해결하면서 좋은 일을 하는 것을 좋아합니다. 지속가능성과 친환경 소재는 제 연구 경력 내내 아름다운 주제였습니다.

생의학 연구와 플라스틱의 연관성을 처음에는 알아채지 못했을 수도 있습니다. 하지만 약물 전달 시스템은 의학 분야를 넘어 다양한 분야에서 활용될 수 있는 정말 멋진 소재를 만드는 데 도움을 줄 수 있습니다. 플라스틱 가공은 또한 우리 몸의 DNA, 단백질, 콜라겐에 대한 이해를 높여줍니다.

이제 AI의 폭발적인 발전으로 우리는 더욱 빠르고 효율적으로 소재 연구를 수행할 수 있는 새로운 도구를 갖추게 되었습니다. 지속 가능한 소재 분야는 매우 흥미로운 시대입니다!

미래의 정렬 연구

저는 현재 NIST에서 2년 계약을 마치고 있으며, 다음에 풀어야 할 퍼즐을 찾고 있습니다.

하지만 저는 다른 연구자들이 제 기술을 사용할 수 있도록 돕기 위해 NIST와 제휴 관계를 유지할 계획입니다.

저는 더 넓은 범위의 재활용 커뮤니티가 데이터 분석을 사용하여 재활용을 개선하고 지구를 정화하는 데 도움을 주고 싶습니다.