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

Imaginez l'approvisionnement mondial en eau comme une immense ville bouillonnante. Parfois, cette ville se retrouve un peu trop encombrée d'invités invisibles : des ions de sel et de minéraux comme le sodium, le calcium et le magnésium. Quand il y a trop de ces invités, l'eau devient « à haute salinité », ce qui est une mauvaise nouvelle pour l'agriculture, la consommation et l'environnement. Nettoyer cette eau revient à chercher une aiguille dans une botte de foin, mais au lieu d'une aiguille, vous cherchez des ions invisibles spécifiques. Les scientifiques essaient de construire de meilleures « éponges » pour absorber ces invités indésirables. Un type d'éponge très populaire est le biochar, qui est essentiellement du charbon fabriqué à partir de déchets végétaux comme les tiges de maïs. Il est bon marché et possède de nombreux minuscules trous pour capturer les choses. Cependant, le biochar pur n'est pas toujours assez robuste. C' est pourquoi les scientifiques tentent de le « modifier » — lui donner un maquillage chimique pour le rendre plus collant ou plus attractif pour le sel.

Mais voici la partie délicate : déterminer exactement comment utiliser ces éponges revient à essayer de cuisiner le gâteau parfait sans recette. Vous devez deviner quelle quantité d'éponge utiliser, quelle doit être la température de l'eau, combien de temps attendre et quel doit être l'acidité (pH) de l'eau. Si vous vous trompez, l'éponge pourrait ne pas fonctionner, ou vous pourriez gaspiller de l'argent. C'est là que l'intelligence artificielle entre en scène. Considérez l'IA comme un assistant super intelligent capable d'examiner des milliers de tentatives de cuisson passées et de prédire la recette parfaite avant même que vous ne préchauffiez votre four. Dans cette histoire, la « cuisson » est le nettoyage de l'eau, et la « recette » est le mélange parfait de type d'éponge, de quantité et de conditions.

---

La Super-Éponge et l'Assistant Intelligent

Dans cette étude, un chercheur nommé XiYue Gao a décidé de s'attaquer au problème de l'eau salée en utilisant une stratégie en trois parties : construire une meilleure éponge, apprendre à un ordinateur à prédire son fonctionnement, puis demander à cet ordinateur de trouver la recette parfaite.

Étape 1 : Construire les éponges
L'équipe a commencé avec des tiges de maïs provenant d'une ferme à Heze, en Chine. Ils ont transformé ces tiges en trois types différents d'« éponges » (biochar) :

1. Biochar Pur (BC) : Juste l'éponge de charbon de base.
2. Modifié par l'Acide (SBC) : L'éponge a reçu un bain d'acide sulfurique pour modifier sa surface.
3. Modifié par le Fer (FeBC) : L'éponge a été chargée de fer, comme si on lui donnait un super-pouvoir magnétique.

Ils ont testé ces éponges dans de l'eau de drainage agricole réelle, qui était pleine de sel et de minéraux. Les résultats étaient clairs : l'éponge modifiée au fer (FeBC) était la star de la démonstration. Pourquoi ? Parce qu'elle possédait une surface beaucoup plus grande (315,2 m²/g, ce qui équivaut à avoir une éponge massive et friable comparée à une éponge lisse) et était chargée de fer et de groupes chimiques spéciaux qui adoraient attraper les ions de sel. C'était simplement l'éponge la plus collante de la bande.

Étape 2 : L'Assistant Intelligent (Le Réseau de Neurones BP)
Ensuite, l'équipe devait déterminer la meilleure façon d'utiliser ces éponges. Devaient-ils en utiliser un peu ou beaucoup ? L'eau devait-elle être chaude ou froide ? Devaient-ils attendre 10 minutes ou 4 heures ? Au lieu de mener des milliers d'expériences désordonnées, ils ont construit un réseau de neurones BP.

Considérez ce réseau de neurones comme un étudiant très affamé qui a lu tous les rapports de laboratoire du passé. L'étudiant a été nourri de cinq informations pour chaque expérience :

• Quel type d'éponge a été utilisé ?
• Quelle quantité d'éponge ?
• Quelle était l'acidité de l'eau ?
• Quelle était la température de l'eau ?
• Combien de temps ont-ils attendu ?

Le travail de l'étudiant était de deviner l'efficacité d'adsorption (combien de sel a été éliminé). Après avoir étudié 216 expériences différentes, cet « étudiant » est devenu incroyablement doué pour deviner. Il a obtenu la bonne réponse 93,5 % du temps lors de ses tests d'entraînement et 93,0 % du temps lors de nouveaux tests inédits. La différence entre ce qu'il a deviné et ce qui s'est réellement passé était infime — moins de 1,2 %. Cela signifie que le modèle informatique était un cristal de prédiction fiable pour ce type spécifique d'eau.

Étape 3 : La Recherche Inversée (Optimisation par Essaim de Particules)
C'est alors que vient la partie amusante : l'Optimisation Inverse. Habituellement, les scientifiques testent une condition, regardent le résultat, puis réessayent. Mais ici, ils ont demandé à l'ordinateur : « Si nous voulons le meilleur résultat absolu, quelle doit être la recette ? »

Ils ont utilisé un algorithme appelé Optimisation par Essaim de Particules (PSO). Imaginez un vol d'oiseaux cherchant le point le plus haut dans une chaîne de montagnes. Chaque oiseau (ou « particule ») vole et vérifie la hauteur (ou, dans ce cas, l'efficacité de l'élimination du sel). Si un oiseau trouve un point élevé, il le signale aux autres. Finalement, tout l'essaim converge vers le sommet le plus élevé.

Dans cette étude, l'« essaim » a parcouru le modèle informatique et a trouvé la combinaison parfaite pour l'éponge modifiée au fer :

• Quantité : 0,8 gramme par litre d'eau.
• Acidité (pH) : 7,5 (légèrement neutre).
• Température : 35 °C (une journée chaude).
• Temps : 180 minutes (3 heures).

Le Résultat Final
Lorsque l'équipe a réellement testé cette « recette parfaite » en laboratoire, elle a fonctionné presque exactement comme l'avait prédit l'ordinateur. L'éponge a éliminé 91,8 % du sel et des minéraux. Mieux encore, lorsqu'ils ont examiné les coûts, l'éponge de fer était la plus efficace. Elle coûte environ 28 yuans par kilogramme pour être fabriquée, mais parce qu'elle fonctionne si bien, le coût pour nettoyer une tonne d'eau est tombé à seulement 1,6 yuan, et le « ratio coût-bénéfice » (combien de nettoyage on obtient pour notre argent) a atteint 57,4 % par yuan.

Ce que cela signifie (et ce que cela ne signifie pas)
L'article suggère que la combinaison d'une éponge chimiquement modifiée et d'un modèle informatique intelligent est un moyen puissant de nettoyer l'eau salée. L'éponge de fer est nettement la plus performante parmi les trois testées, et le modèle informatique est suffisamment précis pour prédire les résultats avec une grande confiance.

Cependant, l'auteur prend soin de ne pas dire qu'il s'agit d'une solution miracle pour le monde entier pour le moment. Il note que cela a été réalisé en laboratoire avec un type spécifique d'eau agricole. Ils n'ont pas prouvé exactement comment le fer attrape le sel au niveau microscopique (ils soupçonnent un mélange de piégeage physique et d'attraction chimique, mais ils ont besoin d'outils plus avancés pour en être sûrs à 100 %). De plus, bien que le coût semble excellent sur le papier, ils ne l'ont pas testé dans une immense usine du monde réel.

Mais pour l'instant, cette étude offre une recette très prometteuse : prenez des tiges de maïs, donnez-leur un maquillage de fer, et utilisez un ordinateur intelligent pour trouver la température et le temps parfaits. C'est une façon ludique et basée sur les données de transformer des déchets agricoles en super-héros du nettoyage de l'eau.