La IA predice la eficacia del biocarbón: la purificación del agua de antibióticos se acelera significativamente

Científicos han creado un modelo de IA que predice con precisión la rapidez con la que el biocarbón descompone los antibióticos en el agua, lo que reduce el desarrollo de filtros de años a semanas y abre el camino para una purificación asequible del agua potable.

Investigadores bajo la dirección de Junaid Latif y Na Chen recopilaron datos de docenas de trabajos anteriores, identificando 16 parámetros clave: el tipo de materia prima para el biocarbón, la temperatura de pirólisis, la porosidad, la composición química, la concentración de oxidantes y las condiciones de reacción.

Sobre esta base, entrenaron varios modelos de aprendizaje automático, y la mejor precisión fue mostrada por la arquitectura de transformador TabPFN: un coeficiente de determinación R² ≈ 0,91 con un error de predicción mínimo.

La novedad científica radica en la transición del método de prueba y error al diseño específico de materiales. Anteriormente, la selección de un biocarbón eficaz requería cientos de experimentos de laboratorio; ahora el algoritmo evalúa en segundos qué combinación de parámetros proporcionará la máxima tasa de degradación del contaminante.

Paralelamente, el equipo creó una herramienta web: cualquier investigador puede introducir los parámetros de su material y obtener instantáneamente un pronóstico de la cinética de la reacción.

El sentido práctico es evidente: los antibióticos en las aguas residuales son uno de los motores del crecimiento de la resistencia bacteriana a los medicamentos.

El biocarbón, obtenido de residuos agrícolas (mazorcas de maíz, paja), es barato y ecológico, y en combinación con fotocatalizadores (TiO₂, g-C₃N₄) es capaz de descomponer los antibióticos de sulfonamida en un 98% en 60 minutos bajo la acción de la luz solar.

El modelo de IA ayuda a encontrar precisamente la receta que proporcionará tal resultado en condiciones específicas de tratamiento de agua.

Es importante comprender las limitaciones. Por ahora, el modelo está entrenado con datos de un conjunto limitado de antibióticos y condiciones de laboratorio; el agua residual real contiene una mezcla de contaminantes, materia orgánica y sólidos en suspensión que pueden influir en el proceso.

Además, la estabilidad a largo plazo de los compuestos a escala industrial requiere una verificación adicional: en las pruebas de laboratorio, el material mantuvo su eficacia después de cinco ciclos, pero el régimen industrial puede ser más severo.

¿Qué sigue? El equipo planea ampliar el conjunto de datos, incluyendo información sobre otras clases de contaminantes: PFAS, microplásticos y fármacos de nueva generación.

Paralelamente, se están llevando a cabo negociaciones con estaciones de tratamiento de agua piloto para probar los filtros de biocarbón diseñados por IA en condiciones de campo. Si los resultados se confirman, la tecnología podría integrarse en las soluciones estándar para municipios y empresas industriales en los próximos 3–5 años.