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

कल्पना कीजिए कि दुनिया की जल आपूर्ति एक विशाल, हलचल भरे शहर की तरह है। कभी-कभी, यह शहर अदृश्य मेहमानों जैसे सोडियम, कैल्शियम और मैग्नीशियम जैसे नमक और खनिज आयनों के साथ बहुत अधिक भीड़भाड़ वाला हो जाता है। जब ये मेहमान बहुत अधिक हो जाते हैं, तो पानी "उच्च-लवणता" (high-salinity) वाला हो जाता है, जो खेती, पीने और पर्यावरण के लिए बुरा समाचार है। इस पानी को साफ करना घास के ढेर में सुई खोजने जैसा है, लेकिन सुई के बजाय, आप विशिष्ट अदृश्य आयनों की तलाश कर रहे हैं। वैज्ञानिक इन अनचाहे मेहमानों को सोखने के लिए बेहतर "स्पंज" बनाने की कोशिश कर रहे हैं। स्पंज का एक लोकप्रिय प्रकार बायोचार (biochar) है, जो मूल रूप से मक्के के डंठल जैसे पौधों के कचरे से बना चारकोल है। यह सस्ता है और इसमें चीजों को पकड़ने के लिए बहुत सारे छोटे छेद होते हैं। हालाँकि, सादा बायोचार हमेशा इतना मजबूत नहीं होता। इसलिए, वैज्ञानिक इसे "संशोधित" (modify) करने की कोशिश करते हैं—इसे एक रासायनिक मेकओवर देते हैं ताकि यह चिपचिपा या नमक के प्रति अधिक आकर्षक बन सके।

लेकिन पेचीदा हिस्सा यह है कि इन स्पंजों का उपयोग कैसे किया जाए, यह तय करना बिना रेसिपी के एक आदर्श केक बनाने की कोशिश करने जैसा है। आपको अनुमान लगाना होगा कि कितने स्पंज का उपयोग करना है, पानी का तापमान क्या होना चाहिए, कितनी देर प्रतीक्षा करनी चाहिए, और पानी की अम्लता (pH) क्या होनी चाहिए। यदि आपका अनुमान गलत हुआ, तो स्पंज काम नहीं कर सकता, या आप पैसा बर्बाद कर सकते हैं। यहीं पर आर्टिफिशियल इंटेलिजेंस (AI) काम आता है। AI को एक सुपर-स्मार्ट सहायक के रूप में सोचें जो पिछले हजारों बेकिंग प्रयासों को देख सकता है और आपके ओवन चालू करने से पहले ही एकदम सही रेसिपी की भविष्यवाणी कर सकता है। इस कहानी में, "बेकिंग" पानी को साफ करना है, और "रेसिपी" स्पंज के प्रकार, मात्रा और स्थितियों का आदर्श मिश्रण है।

---

द सुपर-स्पंज एंड द स्मार्ट असिस्टेंट

इस अध्ययन में, शी यू गाओ (XiYue Gao) नामक एक शोधकर्ता ने तीन-चरणीय रणनीति का उपयोग करके नमकीन पानी की समस्या को हल करने का निर्णय लिया: एक बेहतर स्पंज बनाना, एक कंप्यूटर को यह सिखाना कि यह कैसे काम करता है, और फिर उस कंप्यूटर से एक आदर्श रेसिपी खोजने के लिए कहना।

चरण 1: स्पंज बनाना
टीम ने चीन के हेज़े (Heze) के एक खेत से मक्के के डंठल से शुरुआत की। उन्होंने इन डंठलों को तीन अलग-अलग प्रकार के "स्पंज" (बायोचार) में बदल दिया:

1. सादा बायोचार (BC): बस बुनियादी चारकोल स्पंज।
2. एसिड-मॉडिफाइड (SBC): स्पंज को इसकी सतह बदलने के लिए सल्फ्यूरिक एसिड के स्नान से गुजारा गया।
3. आयरन-मॉडिफाइड (FeBC): स्पंज को लोहे (iron) से लोड किया गया, जैसे इसे एक चुंबकीय महाशक्ति देना।

उन्होंने इन स्पंजों का परीक्षण वास्तविक कृषि जल निकासी पानी में किया, जो नमक और खनिजों से भरा था। परिणाम स्पष्ट थे: आयरन-मॉडिफाइड स्पंज (FeBC) सबसे शानदार रहा। क्यों? क्योंकि इसमें बहुत बड़ा सतही क्षेत्रफल (315.2 m²/g, जो एक चिकने स्पंज की तुलना में एक विशाल, भुरभुरे स्पंज जैसा है) था और यह लोहे और विशेष रासायनिक समूहों से भरा था जो नमक के आयनों को पकड़ने के लिए बहुत पसंद करते थे। यह अपने समूह का सबसे चिपचिपा स्पंज था।

चरण 2: स्मार्ट असिस्टेंट (बीपी न्यूरल नेटवर्क)
इसके बाद, टीम को यह पता लगाने की आवश्यकता थी कि इन स्पंजों का उपयोग करने का सबसे अच्छा तरीका क्या है। क्या उन्हें थोड़ा सा उपयोग करना चाहिए या बहुत सारा? क्या पानी गर्म होना चाहिए या ठंडा? क्या उन्हें 10 मिनट तक इंतजार करना चाहिए या 4 घंटे तक? हजारों अव्यवस्थित प्रयोग करने के बजाय, उन्होंने एक बीपी न्यूरल नेटवर्क (BP Neural Network) बनाया।

इस न्यूरल नेटवर्क को एक बहुत ही भूखे छात्र के रूप में सोचें जिसने अतीत की हर एक लैब रिपोर्ट पढ़ी है। इस छात्र को प्रत्येक प्रयोग के लिए पाँच जानकारियाँ दी गईं:

• कौन सा स्पंज उपयोग किया गया था?
• कितना स्पंज?
• पानी कितना अम्लीय था?
• पानी कितना गर्म था?
• उन्होंने कितनी देर प्रतीक्षा की?

छात्र का काम अधिशोषण दक्षता (adsorption efficiency) (कितना नमक हटाया गया) का अनुमान लगाना था। 216 अलग-अलग प्रयोगों का अध्ययन करने के बाद, यह "छात्र" अनुमान लगाने में अविश्वसनीय रूप से अच्छा हो गया। इसने अपनी अभ्यास परीक्षाओं के दौरान 93.5% बार सही उत्तर दिया और नए, अनदेखे परीक्षणों पर 93.0% बार सही रहा। जो इसने अनुमान लगाया और जो वास्तव में हुआ, उसके बीच का अंतर बहुत कम था—1.2% से भी कम। इसका मतलब है कि कंप्यूटर मॉडल इस विशिष्ट प्रकार के पानी के लिए एक विश्वसनीय भविष्यवक्ता था।

चरण 3: रिवर्स सर्च (पार्टिकल स्वॉर्म ऑप्टिमाइज़ेशन)
अब मजेदार हिस्सा आया: रिवर्स ऑप्टिमाइज़ेशन (Reverse Optimization)। आमतौर पर, वैज्ञानिक एक स्थिति आज़माते हैं, देखते हैं कि क्या होता है, और फिर से प्रयास करते हैं। लेकिन यहाँ, उन्होंने कंप्यूटर से पूछा: "यदि हम सबसे अच्छा परिणाम चाहते हैं, तो रेसिपी क्या होनी चाहिए?"

उन्होंने पार्टिकल स्वॉर्म ऑप्टिमाइज़ेशन (PSO) नामक एक एल्गोरिदम का उपयोग किया। कल्पना कीजिए कि पक्षियों का एक झुंड पर्वत श्रृंखला के उच्चतम बिंदु की तलाश में उड़ रहा है। प्रत्येक पक्षी (या "कण") उड़ता है, ऊंचाई (या इस मामले में, नमक हटाने की दक्षता) की जांच करता है। यदि किसी पक्षी को एक ऊँचा स्थान मिलता है, तो वह दूसरों को बताता है। अंततः, पूरा झुंड सबसे ऊँची चोटी पर पहुँच जाता है।

इस अध्ययन में, "झुंड" कंप्यूटर मॉडल के माध्यम से उड़ा और आयरन-मॉडिफाइड स्पंज के लिए एकदम सही संयोजन खोज निकाला:

• मात्रा: प्रति लीटर पानी में 0.8 ग्राम।
• अम्लता (pH): 7.5 (थोड़ा तटस्थ)।
• तापमान: 35°C (एक गर्म दिन)।
• समय: 180 मिनट (3 घंटे)।

शानदार परिणाम
जब टीम ने वास्तव में प्रयोगशाला में इस "परफेक्ट रेसिपी" का परीक्षण किया, तो इसने लगभग वैसा ही काम किया जैसा कंप्यूटर ने भविष्यवाणी की थी। स्पंज ने नमक और खनिजों को 91.8% तक हटा दिया। इससे भी बेहतर, जब उन्होंने लागत पर नज़र डाली, तो आयरन स्पंज सबसे कुशल था। इसे बनाने की लागत लगभग 28 युआन प्रति किलोग्राम थी, लेकिन क्योंकि यह बहुत अच्छा काम करता था, इसलिए एक टन पानी को साफ करने की लागत घटकर केवल 1.6 युआन रह गई, और इसका "लागत-लाभ अनुपात" (जितना पैसा खर्च किया उसके बदले में कितनी सफाई मिली) 57.4% प्रति युआन रहा।

इसका क्या अर्थ है (और क्या नहीं)
यह शोध पत्र सुझाव देता है कि एक रासायनिक रूप से संशोधित स्पंज को एक स्मार्ट कंप्यूटर मॉडल के साथ जोड़ना नमकीन पानी को साफ करने का एक शक्तिशाली तरीका है। आयरन स्पंज उनके द्वारा परीक्षण किए गए तीन स्पंजों में निश्चित रूप से सर्वश्रेष्ठ प्रदर्शन करने वाला है, और कंप्यूटर मॉडल उच्च विश्वास के साथ परिणामों की भविष्यवाणी करने के लिए पर्याप्त सटीक है।

हालाँकि, लेखक यह कहने में सावधान हैं कि यह अभी पूरी दुनिया के लिए एक जादुई समाधान नहीं है। वे नोट करते हैं कि यह एक प्रयोगशाला में एक विशिष्ट प्रकार के कृषि जल के साथ किया गया था। उन्होंने अभी तक यह साबित नहीं किया है कि लोहा सूक्ष्म स्तर पर नमक को कैसे पकड़ता है (उन्हें संदेह है कि यह भौतिक ट्रैपिंग और रासायनिक आकर्षण का मिश्रण है, लेकिन 100% सुनिश्चित होने के लिए उन्हें अधिक उन्नत उपकरणों की आवश्यकता है)। साथ ही, हालांकि कागज पर लागत बहुत अच्छी दिखती है, उन्होंने अभी तक इसे एक विशाल वास्तविक दुनिया के कारखाने में टेस्ट नहीं किया है।

लेकिन फिलहाल, यह अध्ययन एक बहुत ही आशाजनक रेसिपी प्रदान करता है: मक्के के डंठल लें, उन्हें आयरन का मेकओवर दें, और एक स्मार्ट कंप्यूटर का उपयोग करके सही तापमान और समय का पता लगाएं। यह कृषि अपशिष्ट को पानी साफ करने वाले सुपरहीरो में बदलने का एक चंचल, डेटा-संचालित तरीका है।