藻類ベースの炭素回収システムが、機械的な原因なしに故障し始めた。バイオマス生産量が急落し、初期分析ではチューブ内部の放射照度不足が指摘された。調査の結果、ポリマーの内壁にバイオフィルム層が付着し、光の通過を遮断していることが判明した。この現象を理解するために、チームは3D管状光バイオリアクターのデジタルツインを開発し、表面粗さとバイオフィルムの厚さのデータを統合した。
パラメトリックモデリングと光障害シミュレーション 🧬
プロセスはMATLABで開始され、光学式プロフィロメトリーで得られた粗さプロファイルが処理された。RaやRzなどのパラメータが計算され、チューブ内部のテクスチャが初期の細菌付着を促進したかどうかが判断された。バイオフィルムの厚さデータは、吸収係数が可変の半透明層としてマッピングされた。この情報はSolidWorksにエクスポートされ、壁面の不規則性を含むリアクターの正確な形状が構築された。最後に、KeyShotを使用して現実的な照明でシーンをレンダリングし、閉塞したチューブを通る光子の軌跡をシミュレーションした。視覚シミュレーションにより、透明度の損失は清浄なチューブと比較して73%と定量化された。
次世代リアクターのための設計教訓 🔬
デジタルツインは故障を説明しただけでなく、バイオフィルム蓄積の重要なポイントを予測することを可能にした。ポリマーの初期粗さが、最初の細菌コロニーのアンカーとして機能したことが特定された。この仮想レプリカにより、エンジニアは1メートルの配管を製造する前に、さまざまな表面仕上げや材料をシミュレーションできるようになった。結論は明確である：最適化されたリアクターは、滑らかな表面と光の停滞域を避ける形状を優先すべきであり、デジタルツインは物理的なプロトタイプを構築せずにそれらの決定を検証するためのツールである。
藻類リアクターのバイオマス生産量が大幅に影響を受ける前に、バイオフィルムによって引き起こされる光透過率の変化を検出することを可能にしたデジタルツインのパラメータは何ですか？
(追伸：私のデジタルツインは現在会議中で、私はここでモデリングをしています。つまり、技術的には私は同時に二つの場所にいることになります。)