Naarmate de stadsbevolking groeit en de behoefte aan duurzame energie en water toeneemt, wetenschappers en ingenieurs met de Universiteit van Chicago en partners kijken naar kunstmatige intelligentie om nieuwe systemen te bouwen om met afvalwater om te gaan. Twee nieuwe projecten zullen manieren testen om "intelligente" watersystemen te maken om voedingsstoffen en schoon water terug te winnen.

"Water is een onmisbare hulpbron van onze samenleving, omdat het nodig is voor het in stand houden van het leven en de economische welvaart, " zei Junhong Chen, de Crown Family Professor in de Pritzker School of Molecular Engineering aan de University of Chicago en hoofd waterstrateeg bij Argonne National Laboratory. “Onze toekomstige economie en nationale veiligheid zijn sterk afhankelijk van de beschikbaarheid van schoon water. er is een beperkt aanbod van hernieuwbaar zoetwater, zonder vervanging."

Verminderen, hergebruiken

Het Amerikaanse ministerie van Energie heeft aangekondigd dat UChicago, samen met het Argonne National Laboratory, Northwestern University en andere partners, zal financiering ontvangen voor de ontwikkeling van een door kunstmatige intelligentie ondersteund systeem voor het terugwinnen van energie, nutriënten en zoet water uit gemeentelijk afvalwater.

Het uiteindelijke doel van het project, die zal worden gefinancierd op $ 2 miljoen over drie jaar, is om het bestaande Amerikaanse behandelingssysteem voor gemeentelijk afvalwater om te vormen tot een intelligent systeem voor de terugwinning van waterbronnen dat het energieverbruik drastisch zal verminderen en op nationale schaal energiepositief zal worden.

Het resulterende waterterugwinningssysteem zou de watervoorziening in achtergestelde gemeenschappen aan de zuidkant van Chicago en het gebied van de Grote Meren in het algemeen ten goede komen, waaronder Milwaukee en Detroit.

"Dit project is een belangrijke stap voorwaarts in het realiseren van het strategische plan van Argonne om ons leiderschap in watergerelateerde wetenschap te versterken door middel van baanbrekend onderzoek, ontdekkingen en innovaties met behulp van kunstmatige intelligentie, " zei Chen.

De aanpak combineert kunstmatige intelligentie en machine learning voor online leren van systeemdynamiek, wiskundige modellering voor het optimaliseren van energie- en nutriëntenterugwinning, en levenscyclusanalyse en -modellering met betrekking tot zowel de wetenschap als de economie om systeemontwerp te begeleiden. Het omvat ook de ontwikkeling van nieuwe materialen voor efficiënte zonnestoomopwekking en draadloze sensoren voor realtime monitoring van de waterkwaliteit.

Het intelligente systeemconcept voor de terugwinning van gemeentelijk afvalwater moet ook toepasbaar zijn op ander afvalwater, inclusief industrie en landbouw.

De andere partners zijn onder meer de Great Lakes Water Authority, Milwaukee Metropolitan Riolering District, NanoAffix en twee regionale waterinnovatiehubs:Current en de Water Council. De prijs maakt deel uit van een reeks projecten van het Department of Energy van in totaal $ 27,5 miljoen voor 16 waterinfrastructuurprojecten om het energieverbruik en de koolstofemissies in onze verouderde waterinfrastructuur te verminderen, met name in de afvalwaterzuivering.

Naast Chen, de projectteamleden zijn onder meer Seth Darling van Argonne, Jennifer Dunn van de Northwestern University en Argonne, George Wells van de Northwestern University, en Asst. Prof. Yuxin Chen van de Universiteit van Chicago.

Het verwijderen van giftige waterverontreinigingen

Een ander project is gericht op het gebruik van AI in moleculaire engineering om waterverontreinigingen te detecteren en te verwijderen.

Watervervuilende chemicaliën zoals polyfluoralkylstoffen, of PFAS, kan leiden tot ernstige gevolgen voor het milieu en de gezondheid, zoals een laag geboortegewicht van de baby, kanker, en verstoring van het schildklierhormoon. De huidige benaderingen voor het detecteren van deze chemicaliën zijn duur, tijdrovend, en vereisen omvangrijke apparatuur en geschoold personeel. Het enorme aantal verontreinigingen - meer dan 4, 000 in de PFAS-familie alleen - verbieden ook de conventionele ontwikkeling van biologische of chemische sondes.

Een project onder leiding van wetenschappers van de Universiteit van Chicago en Argonne zal een platform ontwikkelen met behulp van moleculaire simulatie, organische synthese, en kunstmatige intelligentie om snel de grote moleculaire ruimte van potentiële PFAS-sondes te verkennen en efficiënt te identificeren, ontwerp, en maak nieuwe chemische sondes voor het detecteren en verwijderen van verontreinigingen uit water.

Het werk, die samenwerkt met Current, Metropolitan Water Reclamation District van Greater Chicago, zal ook de datawetenschap bevorderen, karakterisering bij de Argonne Advanced Photon Source, en krachtige simulatie. De wetenschappers hopen dat het mogelijk kan worden overgedragen naar de screening en verwijdering van andere waterverontreinigingen, zoals geneesmiddelen, om de wereldwijde volksgezondheid te bevorderen. Het wordt gefinancierd via het Discovery Challenge-programma van het Center for Data and Computing (CDAC), met steun van UChicago's Office of Research en National Laboratories Joint Task Force Initiative.

Projectwetenschappers zijn onder meer Junhong Chen, Stuart Rowan, en Andrew Ferguson van de Pritzker School of Molecular Engineering, Rebecca Willett en Eric Jonas van de afdeling Computerwetenschappen van UChicago, Seth Darling van de Pritzker School en Argonne, en Sang Soo Lee en Chris Benmore van Argonne.