Dezember: Lucas Pereira (HZDR-HIF)

Lucas Pereira ist Leiter der Forschungsgruppe Geometallurgie und partikelbasierte Prozessmodellierung am Helmholtz-Institut Freiberg für Ressourcentechnologie (HIF), das Teil des Helmholtz-Zentrums Dresden-Rossendorf ist. Er erhielt den Helmholtz-Promotionspreis 2023 für seine Doktorarbeit über partikelbasierte Trennungsmodelle: Anwendung maschinellen Lernens, um das Verständnis und die Vorhersage der Mineralienverarbeitung mit hoher Detailgenauigkeit zu ermöglichen. Wir sprachen mit Lucas Pereira über seine Arbeit und seine Motivation im folgenden Interview.

Interview:

Woran arbeitest du gerade?

Lucas Pereira: Während meiner Doktorarbeit habe ich an Methoden zum Verständnis und der Vorhersage der mechanischen Konzentration von Mineralpartikeln im Bereich einzelner komplexer Partikel gearbeitet. Momentan arbeitet meine Gruppe daran diese Methode der Modellierung auf Partikelkonzentration aus Recyclingmaterialien (z.B. Li-Ionen Batterien) anzuwenden, in denen die Partikel dazu tendieren noch komplexer zu sein. Außerdem arbeiten wir daran sowohl die Unsicherheiten als auch die Anzahl an Experimenten zu reduzieren, die benötigt werden, um das Konzentrationspotenzial in Mineralvorkommen zu bestimmen – ein Forschungsfeld das typischerweise als prädiktive Geometallurgie bezeichnet wird. Trotz des empirischen Charakters dieser Modellierungsansätze ist es unser Ziel, die daraus resultierenden Erkenntnisse zu nutzen Technologien zur Partikelkonzentration (z.B. Schaumflotation) besser zu verstehen und möglicherweise dazu beizutragen diese genauer zu beschreiben. Zu guter Letzt, haben wir uns mit dem Fokus auf die kontinuierliche Verbesserung der Effizienz dieser Technologien zur Partikelkonzentration die Aufgabe gesetzt diese Prozesse zu digitalisieren.

Was treibt dich persönlich an?

Lucas Pereira: Unsere Energieversorgung ist derzeit stark von fossilen Brennstoffen abhängig, was eine Motivation für die Bemühungen unserer Gesellschaft darstellt, die Wende hin zu einem erneuerbaren und weniger CO₂-intensiven Energiesystem voranzutreiben. Das neue System wird auf Metallen basieren. Mich treibt die Notwendigkeit an, diese Metalle effizient zu produzieren. Dabei gilt es verschiedene Herausforderungen zu meistern. Auf der einen Seite Herausforderungen, die durch die Art der Bildung von Mineralvorkommen in der Natur entstehen, auf der anderen Seite Herausforderungen bei der Rückgewinnung von Metallen im Recyclingprozess.

Welche Herausforderungen siehst du für dich in der nächsten Zeit?

Lucas Pereira: Ich werde die Frage anhand des Beispiels von Lego beantworten. Nehmen wir mal an, wir wollten ein buntes Haus aus Legosteinen in seine Einzelteile zerlegen und die Legosteine dann nach Farben sortiert in Beutel packen. Zuerst müssten wir die Verbindungen zwischen allen Steinen trennen, um sicherzustellen, dass kein Stück mehrfarbig ist und erst danach könnten wir die Steine nach Farben sortieren. Während wir den letzten Vorgang schon beschreiben können, bleibt die Vorhersage wie die Teile zerlegt werden, dass sie einfarbig sind, eine der größten Herausforderungen, die wir in den kommenden Jahren am HIF angehen werden.

Was würdest du dir für deine Forschung in Zukunft wünschen?

Lucas Pereira: Ich hätte gerne ein System das einzelne Partikel in 3D charakterisieren kann und das in der Lage wäre die Zusammensetzung dieser Partikel genau zu bestimmen. Glücklicherweise konnte das HIF schon einiges zur Entwicklung in diesem Bereich beitragen, doch es bedarf noch weiterer Entwicklung um die umfassenden Informationen, die wir haben, auf die Modellierung des Zerbrechens der Partikel und deren Konzentration anwenden zu können.

Wo siehst du deine Disziplin in 5-10 Jahren?

Lucas Pereira: In fünf Jahren denke ich, wird es ein breiteres Anwendungsfeld für partikelbasierte Trennmodelle als Diagnosetool für Partikelkonzentrationsprozesse geben. Dies wird zu Verbesserungen in der Vorhersage dieser Prozesse führen. Ich denke, dass es in 10 Jahren bedeutende Weiterentwicklungen bei den Partikelbruchmodellen geben wird, die dann auch die Zusammensetzung der einzelnen Partikel berücksichtigen. Ich kann mir auch vorstellen, dass die partikelbasierten Trennmodelle eine breitere Anwendung im Bereich der Optimierung und Kontrolle von Industrieprozessen finden werden.

ORCID: 0000-0001-8041-5406