Prediction of Heavy Metal Adsorption onto Biochar Using Interpretable Machine Learning: A Multi-Source Data-Driven Study

जल सुरक्षा पर खनन, खेती और उद्योगों से नदियों और झीलों में रिसने वाली जहरीली धातुओं का निरंतर दबाव बना रहता है। ये अदृश्य जहर खाद्य श्रृंखला में ऊपर की ओर बढ़ते हैं, अंततः मानव शरीर तक पहुँचते हैं जहाँ वे गंभीर नुकसान पहुँचा सकते हैं। दशकों से, वैज्ञानिकों ने रासायनिक अवक्षेपण (chemical precipitation) या झिल्ली निस्पंदन (membrane filtration) जैसी विधियों का उपयोग करके इस पानी को साफ करने की कोशिश की है, लेकिन ये दृष्टिकोण अक्सर महंगे होते हैं, अपना स्वयं का कचरा पैदा करते हैं, या धातु के स्तर बहुत कम होने पर विफल हो जाते हैं। एक अधिक आशाजनक समाधान बायोचार (biochar) के रूप में उभरा है, जो एक कार्बन-समृद्ध सामग्री है जिसे कम ऑक्सीजन वाले वातावरण में पौधों के कचरे को गर्म करके बनाया जाता है। बायोचार को एक स्पंज के रूप में समझें जिसमें सूक्ष्म छिद्रों और सतह पर रासायनिक समूहों का एक विशाल जाल होता है जो धातु आयनों को पकड़ सकता है और उन्हें मजबूती से थामे रख सकता है। हालाँकि, इस स्पंज को प्रभावी ढंग से काम करने के लिए बनाना एक जटिल पहेली है। इसकी धातुओं को पकड़ने की क्षमता इस बात पर नाटकीय रूप से बदल जाती है कि वह किस पौधे से आया था, उसे कितनी गर्मी दी गई थी, क्या उसका रासायनिक उपचार किया गया था, और उस पानी की विशिष्ट स्थितियाँ क्या थीं जिसमें उसे रखा गया है। वर्षों तक, एक आदर्श बायोचार स्पंज खोजने की प्रक्रिया धीमी और महंगी 'ट्रायल एंड एरर' (प्रयास और त्रुटि) विधि पर निर्भर रही, जहाँ शोधकर्ता बिना किसी स्पष्ट मानचित्र के एक-एक करके चरों (variables) को मिलाते और परखते थे।

युन्नान वोकेशनल इंस्टीट्यूट ऑफ एनर्जी टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने अब एक शक्तिशाली नए दृष्टिकोण का उपयोग करके इस जटिल परिदृश्य का मानचित्रण किया है। उन्होंने छह अलग-अलग भारी धातुओं—लेड (सीसा), कैडमियम, कॉपर (तांबा), जिंक (जस्ता), निकल और क्रोमियम—को कवर करने वाले वैज्ञानिक अध्ययनों के 92,37 रिकॉर्ड्स का एक विशाल संग्रह एकत्र किया। प्रयोगशाला में इन संयोजनों का परीक्षण करने के बजाय, उन्होंने इस डेटा को एक कंप्यूटर सिस्टम में डाला जिसे पैटर्न सीखने के लिए डिज़ाइन किया गया था, विशेष रूप से एक विधि जिसे XGBoost कहा जाता है। यह प्रणाली एक अत्यधिक अनुभवी जासूस की तरह कार्य करती है जो उन सूक्ष्म, गैर-रेखीय संबंधों को पहचान सकती है जिन्हें मानवीय अंतर्ज्ञान मिस कर सकता है। शोधकर्ताओं ने कंप्यूटर को यह अनुमान लगाने के लिए प्रशिक्षित किया कि विशिष्ट परिस्थितियों में एक विशिष्ट बायोचार कितनी धातु को अवशोषित करेगा, और फिर अज्ञात डेटा के विरुद्ध इसकी सटीकता का परीक्षण किया। परिणाम एक ऐसा मॉडल था जो उल्लेखनीय सटीकता के साथ अवशोषण क्षमता की भविष्यवाणी कर सकता था, जो डेटा के विचरण (variance) के लगभग 96 प्रतिशत की व्याख्या करता है। इस स्तर की सटीकता ने सिद्ध किया कि बायोचार के गुणों और धातु कैप्चर के बीच का संबंध बहुत जटिल है जिसे सरल, सीधी तर्क पद्धति से हल नहीं किया जा सकता, जिससे पुष्टि होती है कि यह प्रक्रिया जटिल, परस्पर क्रिया करने वाले बलों द्वारा संचालित है।

अध्ययन केवल सटीक भविष्यवाणियां करने तक ही सीमित नहीं था; इसने कंप्यूटर मॉडल का उपयोग यह समझाने के लिए भी किया कि कुछ स्थितियाँ दूसरों की तुलना में बेहतर क्यों काम करती हैं। मॉडल की निर्णय लेने की प्रक्रिया के भीतर झाँककर, शोधकर्ताओं ने सफलता को नियंत्रित करने वाले तीन सबसे महत्वपूर्ण कारकों की पहचान की। पहला कारक "ड्राइविंग फोर्स" (प्रेरक बल) का एक संयुक्त माप था, जो पानी में धातु की प्रारंभिक मात्रा, बायोचार के सतही क्षेत्रफल और उपयोग किए गए बायोचार की मात्रा के बीच संतुलन बनाता है। दूसरा कारक वह तापमान था जिस पर बायोचार बनाया गया था, और तीसरा कारक यह था कि क्या बायोचार का उपयोग उसके मूल, अनमॉडिफाइड रूप में किया गया था। विश्लेषण से पता चला कि केवल एक विशाल सतही क्षेत्रफल होना ही पर्याप्त नहीं है; बायोचार को 500 और 700 डिग्री सेल्सियस के बीच एक विशिष्ट 'स्वीट स्पॉट' पर गर्म किया जाना चाहिए। यदि तापमान बहुत कम है, तो छिद्र ठीक से नहीं बनते हैं, लेकिन यदि यह बहुत अधिक है, तो धातुओं को पकड़ने वाले रासायनिक समूह टूट जाते हैं। इसी प्रकार, पानी और बायोचार को आपस में मिलने के लिए कितना समय दिया जाता है, यह भी महत्वपूर्ण है; अधिकतम धातु को पकड़ने के लिए एक स्थिर अवस्था तक पहुँचने हेतु प्रक्रिया को कम से कम 600 मिनट की आवश्यकता होती है।

शायद सबसे मूल्यवान निष्कर्ष यह था कि मॉडल ने विभिन्न धातुओं के बीच अंतर कैसे किया, जिससे प्रत्येक के लिए एक अनुकूलित मार्गदर्शिका मिली। शोधकर्ताओं ने पाया कि लेड (सीसा) को पकड़ना सबसे आसान है, उसके बाद कॉपर, कैडमियम, निकल, जिंक और अंत में क्रोमियम आता है। यह क्रम यादृच्छिक नहीं है; यह धातु आयनों के भौतिक आकार और रासायनिक प्रकृति का अनुसरण करता है। उदाहरण के लिए, लेड का आकार बड़ा होता है और यह पानी को ढीला पकड़ता है, जिससे यह आसानी से बायोचार के छिद्रों में फिसल जाता है। हालाँकि, क्रोमियम अलग व्यवहार करता है क्योंकि अम्लीय पानी में यह एक ऋणात्मक आवेशित आयन के रूप में मौजूद होता है, जिसे पकड़ने के लिए पूरी तरह से अलग दृष्टिकोण की आवश्यकता होती है। अध्ययन ने प्रत्येक धातु के लिए विशिष्ट ऑपरेटिंग विंडो प्रदान की, जैसे कि अधिकांश धातुओं के लिए पानी का pH 5 और 7 के बीच रखना, लेकिन क्रोमियम के लिए इसे 2 और 3 के बीच गिरा देना। इसने यह भी सुझाव दिया कि कुछ धातुओं, जैसे लेड के लिए, एक साधारण, अनमॉडिफाइड बायोचार सबसे अच्छा काम करता है, जबकि अन्य को उनकी पकड़ बढ़ाने के लिए विशिष्ट रासायनिक उपचारों की आवश्यकता हो सकती है।

यह कार्य इस बात को बदल देता है कि वैज्ञानिक और इंजीनियर जल शुद्धिकरण के प्रति अपना दृष्टिकोण कैसे अपना सकते हैं। अब यह अनुमान लगाने के बजाय कि कौन सा बायोचार नुस्खा आज़माना है, वे एक डेटा-संचालित ढांचे पर भरोसा कर सकते हैं जो सामग्री के डिज़ाइन को सीधे उस धातु की केमिस्ट्री से जोड़ता है जिसे उन्हें हटाना है। अध्ययन पुष्टि करता है कि हालांकि बायोचार एक शक्तिशाली उपकरण है, इसकी क्षमता तभी अनलॉक होती है जब तैयारी और परिचालन स्थितियों को विशिष्ट धातु और उस धातु के साथ होने वाली भौतिक क्रियाओं के अनुरूप ट्यून किया जाए। चरों के एक अराजक समूह को स्पष्ट निर्देशों के एक सेट में बदलकर, यह शोध बेहतर फिल्टर डिजाइन करने के लिए एक व्यावहारिक मार्ग प्रदान करता है। निष्कर्ष बताते हैं कि तापमान, सतही क्षेत्रफल और समय के सही संयोजन के साथ, बायोचार को भारी धातु प्रदूषण के विशिष्ट खतरे से निपटने के लिए अनुकूलित किया जा सकता है, जिससे 'ट्रायल एंड एरर' की धीमी प्रक्रिया एक सटीक विज्ञान में बदल जाती है।