Store dele af verden plages af de såkaldte evighedskemikalier, PFAS. Nu skal en gruppe af de dygtigste forskere indenfor PFAS-oprensning, udvikle og super-optimere en ny form for rensningsteknologi til spildevand og drikkevand.
Med de gør det ikke alene. Den vil blive udvikle ved hjælp af kunstig intelligens.
Forskere fra Aarhus Universitet skal udvikle teknologien, der kan indsamle og nedbryde evighedskemikalierne i ét samlet trin i en rensningsproces, der kan kobles direkte på f.eks. drikkevandsboringer og rensningsanlæg.
Projektet er støttet af Villumfonden med 3 millioner kroner og skal forene nyudviklet rensningsteknologi fra nogle af landets førende forskere inden for PFAS-oprensning med kunstig intelligens, der kan sørge for, at oprensningen foregår så optimalt som muligt.
– I projektet skal vi designe, konstruere og teste en ny, automatiseret nedbrydningsteknologi til kontinuerlig PFAS-nedbrydning. Vi etablerer desuden en åben database, der identificerer betydende og begrænsende faktorer for nedbrydningsreaktioner med PFAS-molekyler i reaktoren, siger lektor Xuping Zhang fra Aarhus Universitets Institut for Mekanik og Produktion, der leder projektet i samarbejde med lektor Zongsu Wei fra Institut for Bio- og Kemiteknologi.
De mest gængse måder at filtrere drikkevand for PFAS i dag er via filtrering med enten aktivt kul-filter, ionbytnings-filter eller med en specialdesignet membran. Alle disse muligheder filtrerer stofferne fra vandet, men destruerer dem ikke. Filtrene er derfor alle midlertidige, idet de skal sendes til forbrænding for at destruere det akkumulerede PFAS eller ender på lossepladser.
Med projektet, der går under navnet ’Machine Learning to Enhance PFAS Degradation in Flow Reactor’, skal der designes og udvikles en optimal og permanent løsning til landets drikkevandsboringer og rensningsanlæg, der konstant indfanger og nedbryder PFAS, og som samtidig overvåger sig selv.
– Vi er nødt til at være kreative og tænke ud af boksen. Jeg ser mange fordele ved at koble kunstig intelligens med flere forskellige vandbehandlingsteknologier, men det er ikke en let opgave at integrere en intelligensbaseret optimering. Det kræver stor synergi mellem maskinlæring og kemiteknologi, men perspektiverne er store, siger lektor Zongsu Wei fra Aarhus Universitets Institut for Bio- og Kemiteknologi.
Kilde: Aarhus Universitet
