Physics-Informed Neural Network Modeling of Biodegradable Contaminant Transport through GCL/SL Composite Liners

تحت الخرسانة والفولاذ الممتد للمكبات الحديثة، يكمن نظام دفاعي صامت وحيوي مصمم لحماية المياه الجوفية التي تعتمد عليها المجتمعات. هذا الحاجز ليس جداراً واحداً، بل هو طبقات متتالية من المواد، تبدأ عادةً بشريحة سميكة من البلاستيك تليها طبقة مضغوطة من الطين، وأخيراً طبقة عميقة من التربة. مهمته بسيطة في المفهوم ولكنها معقدة في الواقع: وهي احتجاز السوائل السامة، المعروفة باسم الرشاحة، التي تتسرب من النفايات المتحللة وتمنعها من تسميم الأرض تحتها. وبينما تتحرك هذه السوائل للأسفل، فإنها تحمل مواد كيميائية ذائبة يمكن أن تكون ضارة. ومع مرور الوقت، تعمل طبقات التربة والطين كمرشح، حيث تبطئ حركة هذه المواد الكيميائية من خلال عملية تسمى الانتشار، حيث تنتشر الجزيئات من المناطق ذات التركيز العالي إلى المناطق ذات التركيز المنخفض. وفي كثير من الحالات، تقوم البكتيريا الطبيعية داخل التربة أيضاً بتفكيك الملوثات العضوية، مما يؤدي فعلياً إلى "أكل" الملوثات وتقليل خطورتها. ومع ذلك، فإن التنبؤ بدقة بمدى سرعة انتقال هذه المواد الكيميائية، وما إذا كان الحاجز سيصمد لعقود، يمثل تحدياً رياضياً صعباً. فالطبقات لها سماكات وخصائص مختلفة، وسرعة حركة السائل تعتمد على مقدار الضغط الذي يدفع به من الأعلى. فإذا كان الضغط مرتفعاً جداً، فقد تندفع المواد الكيميائية عبر الحاجز قبل أن تتاح للتربة فرصة لتنظيفها.

ولحل هذا اللغز، طور فريق من الباحثين طريقة جديدة لنمذجة هذه الرحلات تحت الأرض باستخدام نوع من الذكاء الاصطناعي يسمى الشبكة العصبية المستندة إلى الفيزياء. وبدلاً من الاعتماد فقط على المحاكاة الحاسوبية التقليدية التي تقسم التربة إلى شبكة من الصناديق الصغيرة، يعلم هذا النهج الجديد برنامج الكمبيوتر القوانين الأساسية للفيزياء — كيف تتحرك السوائل، وكيف تنتشر، وكيف تتحلل — ثم يترك البرنامج يتعلم السلوك المحدد لبطانة مكب النفايات. ركز الباحثون على نوع محدد من الحواجز المكونة من بطانة طينية اصطناعية رقيقة تجلس فوق بطانة تربة أكثر سمكاً بكثير. وقد اختبروا نسختين مختلفتين من نموذج الذكاء الاصطناعي الخاص بهم. النسخة الأولى، وهي نهج قياسي، طلبت من الكمبيوتر تخمين الحل ثم تصحيحه بلطف كلما انتهك قوانين الفيزياء. أما النسخة الثانية، وهي نموذج "مقيد بصرامة"، فقد بنت القواعد مباشرة داخل عملية التفكير الحاسوبي، مما أجبره على الالتزام بالظروف الأولية وحدود النظام منذ الخطوة الأولى.

تظهر نتائج هذه الدراسة أن النموذج المقيد بصرامة أفضل بكثير في التنبؤ بمستقبل هذه الملوثات. فعندما قام الباحثون بمحاكاة حركة مادة كيميائية عضوية شائعة، وهي البنزين، عبر نظام البطانة تحت ظروف مختلفة، واجه النموذج القياسي صعوبات، لا سيية عندما كان ضغط السائل فوق الحاجز مرتفعاً. وفي سيناريوهات الضغط العالي تلك، ارتكب النموذج القياسي أخطاءً أكبر بعشر مرات تقريباً من الأخطاء التي وقع فيها النموذج المقيد بصرامة. نجح النموذج المحسن في رصد التغيرات الحادة والسريعة في التركيز التي تحدث عندما تُدفع الملوثات بسرعة عبر التربة، وهو الموقف الذي غالباً ما تعثر فيه الأسلوب القديم. ووجد الباحثون أن الأداء الأفضل جاء عندما استخدم الكمبيوتر دالة رياضية محددة، تُعرف باسم "الظل الزائدي" (hyperbolic tangent)، لتنعيم حساباته، وعندما بُنيت الشبكة بعدد محدد من الطبقات والاتصالات. فوجود عدد قليل جداً من الطبقات جعل النموذج غير قادر على استيعاب تعقيد التدفق، بينما لم يقدم وجود عدد كبير جداً من الطبقات أي فائدة إضافية وجعل الحسابات أصعب في الإنجاز.

وبعيداً عن مجرد التنبؤ بمكان ذهاب المواد الكيميائية، اختبر الباحثون أيضاً ما إذا كان بإمكان نموذجهم العمل بشكل عكسي. في العالم الحقيقي، غالباً ما يمتلك العلماء بيانات محدودة للغاية؛ فقد يعرفون فقط تركيز مادة كيميائية في نقاط محددة قليلة في التربة في أوقات محددة قليلة. كان الهدف هو معرفة ما إذا كان بإمكان الذكاء الاصطناعي النظر إلى هذه القرائن الشحيحة واستنتاج مدى سرعة تفكك التربة للملوث طبيعياً. أثبت النموذج المقيد بصرامة قدرته على القيام بهذه المهمة. فعندما زُوّد ببيانات من محاكاة استغرقت فيها المادة الكيميائية عشر سنوات لتفقد نصف قوتها، حدد النموذج بشكل صحيح ذلك الإطار الزمني. كما عمل بنفس الكفاءة عندما استغرق التفكك ثلاثين أو حتى مائة عام. واختبرت الدراسة أيضاً قدرة النموذج على الصمود أمام البيانات المشوشة، محاكيةً أخطاء القياس التي تحدث في عمليات المراقبة في العالم الحقيقي. ظل النموذج موثوقاً عندما كانت البيانات تحتوي على قدر صغير من الضجيج، لكن دقته بدأت تنخفض عندما أصبحت الأخطاء كبيرة جداً، مما يشير إلى أنه رغم قوة هذه الأداة، إلا أنها لا تزال بحاجة إلى بيانات نظيفة نسبياً لتعمل بأفضل حالاتها.

يقدم هذا البحث أداة أكثر دقة وكفاءة للمهندسين المصممين لبطانات مكبات النفايات. فمن خلال التنبؤ بدقة بمدة صمود الحاجز وكيفية سلوك الملوثات تحت ضغوط مختلفة، يمكن للمجتمعات بناء مكبات نفايات أكثر أماناً تحمي المياه الجوفية لأجيال قادمة. وتؤكد الدراسة أن دمج القوانين الفيزيائية مباشرة في عملية التعلم يخلق متنبئاً أكثر قوة ودقة من الأساللوج التي تعامل تلك القوانين كاقتراحات اختيارية. وبينما ركز العمل الحالي على طبقات مثالية أحادية البعد، فإن نجاح هذا النهج يشير إلى مسار للمضي قدماً نحو التعامل مع سيناريوهات أكثر تعقيداً في العالم الحقيقي، حيث تختلف خصائص التربة وتتفاعل المواد الكيميائية بطرق معقدة. توفر هذه النتائج أساساً قوياً لاستخدام الحوسبة المتقدمة لضمان بقاء الحواجز غير المرئية تحت أقدامنا فعالة لفترة طويلة بعد إغلاق المكبات التي فوقها.