Kjerneteknologier
Et stammebibliotek for alger tilpasset vannet og miljøet i hver region, kombinert med en presis plattform for dyrkingsstyring som bygger på IoT-sensorer og KI-inferens. ABC-teknologien hviler på dette egenutviklede teknologigrunnlaget.
Be om teknisk dokumentasjonTeknologigrunnlagets tre pilarer
Stammebibliotek for alger
Et bibliotek av mikroalgestammer tilpasset vannkvalitet, saltholdighet, temperatur og lys i hver region, bygget opp i eget hus. Med genomanalyse og bioinformatiske verktøy vurderer vi stammenes evne til CO₂-opptak, hvor effektivt de tar opp næringsstoffer og hvor stabile de er i dyrking, og foreslår best egnet stamme eller blandingsforhold. Se referansene nedenfor for generell kunnskap om CO₂-opptak og gjenvinning av næringsstoffer med mikroalger[1][2].
- ✓Integrert med regionale databaser for vannkvalitet
- ✓Vurdering av stammenes genetiske stabilitet
- ✓Utforming av skreddersydde blandinger
IoT-sensorer
Måling i sanntid av tilstanden i kulturen. Edge computing tar seg av databehandlingen på stedet, og et samlet skybasert dashbord samler data fra flere lokaliteter. Havlik et al. er blant dem som har gjennomgått metoder for kontinuerlig overvåking av storskala dyrking av mikroalger[3].
- ✓Måling av flere variabler i sanntid
- ✓Styring med lav forsinkelse gjennom edge-behandling
- ✓Samlet skybasert dashbord
KI-styrt dyrking
KI-modeller optimaliserer dyrkingsparametere automatisk ut fra sensordata, med våre egne algoritmer. Styringen tilpasser seg variasjoner i vær, årstid og belastning, med mål om å holde algetettheten og kvaliteten jevn gjennom hele året. Hvor godt tidlig avviksdeteksjon fungerer, evalueres i demonstrasjonen.
- ✓Autonom optimalisering av parametere
- ✓Forutseende, prognosebasert styring
- ✓Avviksdeteksjon og varsling
Slik henger de tre lagene sammen
Selection × Library × Physical AI
Tre egenutviklede lag virker sammen og driver Algal Bloom Capture som ett system
Stammeutvalg uten genmodifisering
Uten genmodifisering undersøker vi naturlig isolerte stammer og velger ut de som vokser pålitelig i vannet på stedet.
Stammebibliotek × miljøtilpasning
Et stammebibliotek kartlagt etter saltholdighet, temperatur, pH og sammensetningen av tilløpsvannet. Den best egnede stammen leveres som «Strain as a Service» på grunnlag av kundens vannkvalitetsdata.
Fysisk KI for styring av algeoppblomstring
En styringsmodell som er trent på driftsdata, forutsier tilstanden til kulturen og justerer styringen på forhånd. Målet er å redusere risikoen for kontaminering og kollaps. Effekten vurderes i demonstrasjon.
Det vitenskapelige grunnlaget
De tre pilarene i kjerneteknologiene bygger på den faglige litteraturen om dyrking, måling og styring av mikroalger, og på dette grunnlaget har vi bygget vårt eget bibliotek, egne algoritmer og egen implementering. Samtidig måling av ti eller flere parametere er vår egen implementering. Stabil dyrking gjennom hele året er et mål, og hvor langt vi kommer, avhenger av installasjonsmiljøet.
Referanser
- Mohsenpour S.F., Hennige S., Willoughby N., Adeloye A., Gutierrez T. Integrating micro-algae into wastewater treatment: A review. Science of the Total Environment, 2021, 752, 142168. DOI →
- Cheah W.Y., Show P.L., Chang J.-S., Ling T.C., Juan J.C. Biosequestration of atmospheric CO₂ and flue gas-containing CO₂ by microalgae. Bioresource Technology, 2015, 184, 190–201. DOI →
- Havlik I., Lindner P., Scheper T., Reardon K.F. On-line monitoring of large cultivations of microalgae and cyanobacteria. Trends in Biotechnology, 2013, 31(7), 406–414. DOI →
Tekniske detaljer og felles forskning
Teknisk materiale om kjerneteknologiene utleveres etter inngått taushetsavtale (NDA). Vi drøfter også gjerne felles forskning eller en demonstrasjonsinstallasjon.