AI dự đoán hiệu quả của than sinh học: quá trình làm sạch nước khỏi kháng sinh tăng tốc gấp nhiều lần

Các nhà khoa học đã tạo ra một mô hình AI có khả năng dự đoán chính xác tốc độ phân hủy kháng sinh trong nước của than sinh học — điều này giúp rút ngắn thời gian phát triển các bộ lọc từ hàng năm xuống còn vài tuần và mở ra con đường làm sạch nước uống với chi phí hợp lý.

Các nhà nghiên cứu dưới sự dẫn dắt của Junaid Latif và Na Chen đã thu thập dữ liệu từ hàng chục công trình nghiên cứu trước đó, xác định được 16 thông số then chốt: loại nguyên liệu cho than sinh học, nhiệt độ nhiệt phân, độ xốp, thành phần hóa học, nồng độ chất oxy hóa và điều kiện phản ứng.

Trên cơ sở này, họ đã huấn luyện một số mô hình máy học, và kiến trúc transformer TabPFN đã cho thấy độ chính xác cao nhất: hệ số xác định R² ≈ 0,91 với sai số dự báo tối thiểu.

Tính mới của khoa học nằm ở việc chuyển đổi từ phương pháp thử và sai sang thiết kế vật liệu theo mục tiêu. Trước đây, việc lựa chọn than sinh học hiệu quả đòi hỏi hàng trăm thí nghiệm trong phòng thí nghiệm; giờ đây, thuật toán có thể đánh giá trong vài giây sự kết hợp các thông số nào sẽ mang lại tốc độ phân hủy chất gây ô nhiễm tối đa.

Đồng thời, nhóm nghiên cứu đã tạo ra một công cụ web: bất kỳ nhà nghiên cứu nào cũng có thể nhập các thông số vật liệu của mình và nhận ngay dự báo về động học của phản ứng.

Ý nghĩa thực tiễn là rất rõ ràng: kháng sinh trong nước thải là một trong những tác nhân thúc đẩy sự gia tăng khả năng kháng thuốc của vi khuẩn.

Than sinh học được sản xuất từ phế phẩm nông nghiệp (lõi ngô, rơm rạ) có giá thành rẻ và thân thiện với môi trường, và khi kết hợp với các chất xúc tác quang (TiO₂, g-C₃N₄), nó có khả năng phân hủy 98% kháng sinh sulfonamide trong 60 phút dưới tác động của ánh sáng mặt trời.

Mô hình AI giúp tìm ra chính xác công thức sẽ đảm bảo kết quả như vậy trong các điều kiện xử lý nước cụ thể.

Điều quan trọng là phải hiểu các hạn chế. Hiện tại, mô hình được huấn luyện trên dữ liệu của một nhóm kháng sinh hạn chế và trong các điều kiện phòng thí nghiệm; nước thải thực tế chứa hỗn hợp các chất gây ô nhiễm, chất hữu cơ, các hạt lơ lửng, những yếu tố có thể ảnh hưởng đến quá trình này.

Ngoài ra, độ ổn định lâu dài của các vật liệu composite ở quy mô công nghiệp cần được kiểm chứng thêm — trong các thử nghiệm phòng thí nghiệm, vật liệu vẫn duy trì được hiệu quả sau năm chu kỳ, nhưng chế độ vận hành công nghiệp có thể khắc nghiệt hơn.

Bước tiếp theo là gì? Nhóm nghiên cứu dự kiến sẽ mở rộng tập dữ liệu, bao gồm dữ liệu về các loại chất gây ô nhiễm khác — PFAS, vi nhựa, các dược phẩm thế hệ mới.

Song song đó, các cuộc đàm phán đang được tiến hành với các trạm xử lý nước thí điểm để thử nghiệm các bộ lọc than sinh học được thiết kế bởi AI trong điều kiện thực tế. Nếu kết quả được xác nhận, công nghệ này có thể trở thành các giải pháp tiêu chuẩn cho các đô thị và doanh nghiệp công nghiệp trong vòng 3–5 năm tới.