Kunne kunstig intelligens hjælpe med at genvinde energi og ferskvand fra kommunalt spildevand?

Efterhånden som byens befolkning boomer, og behovet vokser for bæredygtig energi og vand, videnskabsmænd og ingeniører fra University of Chicago og partnere søger kunstig intelligens for at bygge nye systemer til at håndtere spildevand. To nye projekter vil afprøve måder at lave "intelligente" vandsystemer til at genvinde næringsstoffer og rent vand.

"Vand er en uundværlig ressource i vores samfund, da det er nødvendigt for at opretholde liv og økonomisk velstand, " sagde Junhong Chen, Crown Family Professor ved Pritzker School of Molecular Engineering ved University of Chicago og ledende vandstrateg ved Argonne National Laboratory. "Vores fremtidige økonomi og nationale sikkerhed afhænger i høj grad af tilgængeligheden af ​​rent vand. der er et begrænset udbud af vedvarende ferskvand, uden erstatning."

Reducere, genbruge

Det amerikanske energiministerium meddelte, at UChicago, sammen med Argonne National Laboratory, Northwestern University og andre partnere, vil modtage midler til at udvikle et kunstig intelligens-assisteret system til genvinding af energi, næringsstoffer og ferskvand fra kommunalt spildevand.

Det endelige mål med projektet, som vil blive finansieret med $2 millioner over tre år, er at omdanne det eksisterende amerikanske behandlingssystem for kommunalt spildevand til et intelligent vandressourcegenvindingssystem, der dramatisk vil reducere energiforbruget og blive energipositivt på nationalt plan.

Det resulterende vandgenvindingssystem ville gavne vandforsyningen i underbetjente samfund på Chicagos South Side såvel som Great Lakes-regionen generelt, herunder Milwaukee og Detroit.

"Dette projekt er et vigtigt skridt fremad i realiseringen af ​​Argonnes strategiske plan for at styrke vores lederskab inden for vandrelateret videnskab gennem banebrydende forskning, opdagelser og innovationer ved hjælp af kunstig intelligens, " sagde Chen.

Tilgangen vil kombinere kunstig intelligens og maskinlæring til online læring af systemdynamik, matematisk modellering til optimering af energi- og næringsgenvinding, og livscyklusanalyse og modellering med hensyn til både videnskab og økonomi til at vejlede systemdesign. Det vil også involvere udvikling af nye materialer til effektiv solar dampgenerering og trådløse sensorer til real-time vandkvalitetsovervågning.

Det intelligente systemkoncept til kommunalt spildevandsgenvinding bør også kunne anvendes på andet spildevand, herunder industri og landbrug.

De andre partnere omfatter Great Lakes Water Authority, Milwaukee Metropolitan Sewerage District, NanoAffix og to regionale vandinnovationscentre – Current og Water Council. Prisen er en del af en række af Department of Energy-projekter på i alt 27,5 millioner dollars til 16 vandinfrastrukturprojekter for at reducere energiforbrug og kulstofemissioner i vores aldrende vandinfrastruktur, især inden for spildevandsrensning.

Ud over Chen, projektteamets medlemmer omfatter Seth Darling fra Argonne, Jennifer Dunn fra Northwestern University og Argonne, George Wells fra Northwestern University, og Asst. Prof. Yuxin Chen fra University of Chicago.

Fjernelse af giftige vandforurenende stoffer

Et andet projekt søger at bruge kunstig intelligens i molekylær teknik til at opdage og fjerne vandforurenende stoffer.

Vandforurenende kemikalier såsom polyfluoralkylstoffer, eller PFAS, kan føre til alvorlige miljø- og sundhedseffekter, såsom lav spædbarns fødselsvægt, Kræft, og forstyrrelse af thyreoideahormon. De nuværende metoder til at opdage disse kemikalier er dyre, tidskrævende, og kræver omfangsrigt udstyr og kvalificeret personale. Det store antal forurenende stoffer - over 4, 000 i PFAS-familien alene - forbyder også konventionel udvikling af biologiske eller kemiske prober.

Et projekt ledet af University of Chicago og Argonne forskere vil udvikle en platform ved hjælp af molekylær simulering, organisk syntese, og kunstig intelligens til hurtigt at udforske det store molekylære rum af potentielle PFAS-sonder og effektivt identificere, design, og fremstille nye kemiske sonder til at registrere og fjerne forurenende stoffer fra vand.

Arbejdet, som samarbejder med Current, Metropolitan Water Reclamation District of Greater Chicago, vil også fremme datavidenskab, karakterisering ved Argonne Advanced Photon Source, og højtydende simulering. Forskerne håber, at det potentielt kan overføres til screening og fjernelse af andre vandforurenende stoffer, såsom lægemidler, at fremme den globale folkesundhed. Det er finansieret gennem Discovery Challenge-programmet fra Center for Data and Computing (CDAC), med støtte fra UChicago's Office of Research og National Laboratories Joint Task Force Initiative.

Projektets forskere inkluderer Junhong Chen, Stuart Rowan, og Andrew Ferguson fra Pritzker School of Molecular Engineering, Rebecca Willett og Eric Jonas fra UChicago Computer Science afdeling, Seth Darling fra Pritzker School og Argonne, og Sang Soo Lee og Chris Benmore fra Argonne.