AI przewiduje efektywność biowęgla: oczyszczanie wody z antybiotyków przyspiesza wielokrotnie

Naukowcy stworzyli model AI, który dokładnie przewiduje, jak szybko biowęgiel rozkłada antybiotyki w wodzie — skraca to proces opracowywania filtrów z lat do tygodni i otwiera drogę do dostępnego oczyszczania wody pitnej.

Badacze pod kierownictwem Junaida Latifa i Na Chen zebrali dane z dziesiątek wcześniejszych prac, wyróżniając 16 kluczowych parametrów: rodzaj surowca do produkcji biowęgla, temperaturę pirolizy, porowatość, skład chemiczny, stężenie utleniaczy i warunki reakcji.

Na tej bazie wytrenowali kilka modeli maszynowych, a najlepszą dokładność wykazała architektura transformera TabPFN: współczynnik determinacji R² ≈ 0,91 przy minimalnym błędzie prognozy.

Nowość naukowa polega na przejściu od metody prób i błędów do celowego projektowania materiałów. Wcześniej dobór skutecznego biowęgla wymagał setek eksperymentów laboratoryjnych; teraz algorytm w kilka sekund ocenia, jaka kombinacja parametrów zapewni maksymalną szybkość degradacji zanieczyszczenia.

Równolegle zespół stworzył narzędzie internetowe: każdy badacz może wprowadzić parametry swojego materiału i błyskawicznie otrzymać prognozę kinetyki reakcji.

Praktyczny sens jest oczywisty: antybiotyki w ściekach są jednym z czynników wzrostu oporności bakterii na leki.

Biowęgiel otrzymywany z odpadów rolniczych (kolby kukurydzy, słoma) jest tani i ekologiczny, a w połączeniu z fotokatalizatorami (TiO₂, g-C₃N₄) jest w stanie rozłożyć antybiotyki sulfonamidowe w 98% w ciągu 60 minut pod wpływem światła słonecznego.

Model AI pomaga znaleźć dokładnie taką recepturę, która zapewni taki wynik w konkretnych warunkach oczyszczania wody.

Ważne jest, aby rozumieć ograniczenia. Na razie model został wytrenowany na danych dotyczących ograniczonego zestawu antybiotyków i warunków laboratoryjnych; rzeczywiste ścieki zawierają mieszankę zanieczyszczeń, materię organiczną i zawiesiny, które mogą wpływać na proces.

Również długoterminowa stabilność kompozytów w skali przemysłowej wymaga dodatkowej veryfikacji — w testach laboratoryjnych materiał zachowywał skuteczność po pięciu cyklach, ale tryb przemysłowy może być bardziej wymagający.

Co dalej? Zespół planuje rozszerzyć zbiór danych, włączając dane o innych klasach zanieczyszczeń — PFAS, mikroplastiku i preparatach farmaceutycznych nowej generacji.

Równolegle trwają negocjacje z pilotażowymi stacjami uzdatniania wody w sprawie testowania zaprojektowanych przez AI filtrów biowęglowych w warunkach terenowych. Jeśli wyniki się potwierdzą, technologia może wejść do standardowych rozwiązań dla gmin i przedsiębiorstw przemysłowych już w najbliższych 3–5 latach.