목질계 바이오매스는 특히 소나무와 같은 침엽수의 경우 높은 리그닌 함량과 복잡한 구조적 경직성 때문에 효소 가수분해에 중대한 과제를 야기한다. 증기 폭발(steam explosion) 및 알칼리 전처리의 적용은 소화 가능성(digestibility)을 향상시키기 위해 널리 활용되고 있으나, 변수들 간의 비선형적 상호작용 때문에 공정 파라미터 최적화는 여전히 난제로 남아 있다. 기계 학습은 이러한 도전에 대응하기 위한 유망한 해결책으로 부상하고 있으며, 예측 모델링과 공정 제어를 위한 실행 가능한 대안이 될 수 있다. 본 연구에서는 온화한 알칼리(NaOH) 전처리를 받는 증기 폭발 처리 소나무 목재의 효소 가수분해 속도를 예측하기 위한 인공신경망(ANN) 모델을 개발하였다. 인공신경망(ANN)은 세 가지 주요 공정 변수에 대한 실험 데이터를 기반으로 학습되었으며, 여기에는 증기 폭발 시간(1~5분), NaOH 농도(0.5~2.0%), 그리고 화학 전처리 시간(12~24시간)이 포함되었다. 인공신경망(ANN) 모델은 랜덤 포레스트, 서포트 벡터 머신, 극단적 그래디언트 부스팅을 포함한 평가된 모델들 중에서 가장 높은 수준의 정확도를 보였다. 결정계수(coefficient of determination, R²)는 0.9805에 달하였다. 최적화되지 않은 조건(1% NaOH, 24시간 처리, 5분 증기 폭발, 껍질(bark) 없음)에서는 최대 93.9%의 가수분해율이 얻어졌다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.