Process Simulation and Reverse Optimization of Modified Biochar Adsorption of Salt and Minerals in Water: Prediction Model of Adsorption Efficiency Based on BP Neural Network

Stellen Sie sich den Wasservorrat der Welt als eine riesige, geschäftige Stadt vor. Manchmal wird diese Stadt etwas zu voll mit unsichtbaren Gästen: Salz- und Mineralionen wie Natrium, Calcium und Magnesium. Wenn es zu viele dieser Gäste gibt, wird das Wasser „hochsalinh“ – was schlechte Nachrichten für die Landwirtschaft, das Trinken und die Umwelt sind. Dieses Wasser zu reinigen ist, als würde man versuchen, eine Nadel im Heuhaufen zu finden, aber anstelle einer Nadel sucht man nach ganz bestimmten unsichtbaren Ionen. Wissenschaftler versuchen seit langem, bessere „Schwämme“ zu bauen, um diese unerwünschten Gäste aufzusaugen. Ein populärer Typ von Schwamm ist Biochar (Biokohle), was im Grunde Holzkohle aus Pflanzenabfällen wie Maisstängeln ist. Sie ist billig und hat viele winzige Löcher, um Dinge einzufangen. Doch die einfache Biokohle ist nicht immer stark genug. Deshalb versuchen Wissenschaftler, sie zu „modifizieren“ – sie ein chemisches Makeover zu geben, damit sie klebriger oder attraktiver für das Salz wird.

Aber hier liegt der knifflige Teil: Genau herauszufinden, wie man diese Schwämme verwendet, ist wie der Versuch, den perfekten Kuchen ohne Rezept zu backen. Man muss raten, wie viel Schwamm man verwenden soll, welche Temperatur das Wasser haben sollte, wie lange man warten muss und wie der Säuregehalt (pH-Wert) des Wassers sein sollte. Wenn man falsch rät, funktioniert der Schwamm vielleicht nicht oder man verschwendet Geld. Hier kommt Künstliche Intelligenz ins Spiel. Stellen Sie sich KI als einen superintelligenten Assistenten vor, der sich tausende vergangener Backversuche ansehen kann, um das perfekte Rezept vorherzusagen, noch bevor Sie den Ofen überhaupt einschalten. In dieser Geschichte ist das „Backen“ die Reinigung von Wasser, und das „Rezept“ ist die perfekte Mischung aus Schwammtyp, Menge und Bedingungen.

---

Der Super-Schwamm und der smarte Assistent

In dieser Studie entschied sich eine Forscherin namens XiYue Gao, das Problem des salzigen Wassers mit einer dreiteiligen Strategie anzugehen: einen besseren Schwamm bauen, einem Computer beibringen, wie er funktioniert, und dann diesen Computer fragen, um das perfekte Rezept zu finden.

Schritt 1: Das Bauen der Schwämme
Das Team begann mit Maisstängeln von einem Bauernhof in Heze, China. Sie verwandelten diese Stängel in drei verschiedene Arten von „Schwämmen“ (Biokohle):

1. Einfache Biokohle (BC): Nur der grundlegende Kohleschwamm.
2. Säure-modifizierte Biokohle (SBC): Der Schwamm erhielt ein Bad in Schwefelsäure, um seine Oberfläche zu verändern.
3. Eisen-modifizierte Biokohle (FeBC): Der Schwamm wurde mit Eisen beladen, als würde man ihm eine magnetische Superkraft verleihen.

Sie testeten diese Schwämme in echtem landwirtschaftlichem Drainagewasser, das voller Salz und Mineralien war. Die Ergebnisse waren eindeutig: Der Eisen-modifizierte Schwamm (FeBC) war der Star der Show. Warum? Weil er eine viel größere Oberfläche hatte (315,2 m²/g, was wie ein massiver, krümeliger Schwamm im Vergleich zu einem glatten ist) und mit Eisen sowie speziellen chemischen Gruppen beladen war, die Salzionen lieben. Er war einfach der klebrigste Schwamm der Gruppe.

Schritt 2: Der smarte Assistent (Das BP-Neuronale Netz)
Als Nächstes musste das Team herausfinden, was die beste Art ist, diese Schwämme zu verwenden. Sollte man ein bisschen oder viel davon verwenden? Sollte das Wasser heiß oder kalt sein? Sollte man 10 Minuten oder 4 Stunden warten? Anstatt tausende unordentliche Experimente durchzuführen, bauten sie ein BP-Neuronales Netz.

Stellen Sie sich dieses neuronale Netz wie einen sehr hungrigen Studenten vor, der jeden einzelnen Laborbericht der Vergangenheit gelesen hat. Der Student wurde mit fünf Informationen für jedes Experiment gefütert:

• Welcher Schwamm wurde verwendet?
• Wie viel Schwamm?
• Wie sauer war das Wasser?
• Wie warm war das Wasser?
• Wie lange hat man gewartet?

Die Aufgabe des Studenten war es, die Adsorptionseffizienz (wie viel Salz entfernt wurde) zu erraten. Nachdem er 216 verschiedene Experimente studiert hatte, wurde dieser „Student“ unglaublich gut im Raten. Er lieferte bei seinen Übungstests in 93,5 % der Fälle die richtige Antwort und bei neuen, unbekannten Tests in 93,0 %. Der Unterschied zwischen dem, was er errat, und dem, was tatsächlich geschah, war winzig – weniger als 1,2 %. Das bedeutet, dass das Computermodell ein zuverlässiges Kristallornament für diese spezifische Art von Wasser war.

Schritt 3: Die Rückwärtssuche (Partikelschwarmoptimierung)
Nun kam der spaßige Teil: die Rückwärts-Optimierung. Normalerweise testen Wissenschaftler eine Bedingung, sehen, was passiert, und versuchen es erneut. Aber hier fragten sie den Computer: „Wenn wir das absolut beste Ergebnis wollen, wie sollte das Rezept aussehen?“

Sie verwendeten einen Algorithmus namens Partikelschwarmoptimierung (PSO). Stellen Sie sich einen Vogelschwarm vor, der nach dem höchsten Punkt in einer Gebirgskette sucht. Jeder Vogel (oder „Partikel“) fliegt umher und prüft die Höhe (oder in diesem Fall die Effizienz der Salzentfernung). Wenn ein Vogel einen hohen Punkt findet, sagt er es den anderen. Schließlich konvergiert der gesamte Schwarm auf den höchsten Gipfel.

In dieser Studie flog der „Schwarm“ durch das Computermodell und fand die perfekte Kombination für den Eisen-modifizierten Schwamm:

• Menge: 0,8 Gramm pro Liter Wasser.
• Säuregrad (pH-Wert): 7,5 (leicht neutral).
• Temperatur: 35 °C (ein warmer Tag).
• Zeit: 180 Minuten (3 Stunden).

Das große Ergebnis
Als das Team dieses „perfekten Rezepts“ tatsächlich im Labor testete, funktionierte es fast exakt so, wie der Computer es vorhergesagt hatte. Der Schwamm entfernte 91,8 % des Salzes und der Mineralien. Noch besser: Als sie die Kosten betrachteten, war der Eisen-Schwamm am effizientesten. Er kostete etwa 28 Yuan pro Kilogramm herzustellen, aber da er so gut arbeitete, sank die Kosten für die Reinigung einer Tonne Wasser auf nur 1,6 Yuan, und das „Kosten-Nutzen-Verhältnis“ (wie viel Reinigung man für sein Geld bekommt) erreichte 57,4 % pro Yuan.

Was dies bedeutet (und was es nicht bedeutet)
Die Arbeit legt nahe, dass die Kombination eines chemisch modifizierten Schwamms mit einem smarten Computermodell eine leistungsstarke Methode zur Reinigung von salzigem Wasser ist. Der Eisen-Schwamm ist definitiv der beste Performer unter den drei getesteten. Auch das Computermodell ist genau genug, um die Ergebnisse mit hoher Zuverlässigkeit vorherzusagen.

Der Autor ist jedoch vorsichtig damit, dies bereits als Allheilmittel für die ganze Welt zu bezeichnen. Es wird angemerkt, dass dies in einem Labor mit einer spezifischen Art von Agrarwasser durchgeführt wurde. Es wurde noch nicht genau bewiesen, wie das Eisen das Salz auf mikroskopischer Ebene greift (man vermutet eine Mischung aus physikalischer Einschlusswirkung und chemischer Anziehung, benötigt aber fortschrittlichere Werkzeuge, um zu 100 % sicher zu sein). Auch wenn die Kosten auf dem Papier großartig aussehen, wurde es noch nicht in einer riesigen realen Fabrik getestet.

Aber für den Moment bietet diese Studie ein sehr vielversprechendes Rezept: Nehmen Sie Maisstängel, geben Sie ihnen ein Eisen-Makeover und nutzen Sie einen smarten Computer, um die perfekte Temperatur und Zeit zu finden. Es ist eine spielerische, datengesteuerte Art, landwirtschaftliche Abfälle in einen wasserreinigenden Superhelden zu verwandeln.