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

世界の水資源を、賑やかで活気のある巨大な都市だと想像してみてください。時として、この都市には目に見えないゲスト、つまりナトリウム、カルシウム、マグネシウムといった塩やミネラルのイオンが多すぎるほど押し寄せることがあります。これらのゲストが増えすぎると、水は「高塩分」になり、農業や飲料水、そして環境にとって悪いニュースとなります。この水を掃除するのは、まるで干し草の山の中から針を探すようなものですが、針の代わりに特定の目に見えないイオンを探しているのです。科学者たちは、これらの望まないゲストを吸い取るための、より優れた「スポンジ」を作ろうと試みてきました。一つの人気のあるスポンジのタイプは、トウモロコシの茎のような植物廃棄物から作られた炭である「バイオチャー（生物炭）」です。これは安価で、物を捕まえるための小さな穴がたくさん開いています。しかし、ただのバイオチャーでは、必ずしも十分に強力ではありません。そのため、科学者たちはそれを「修飾（モディファイ）」しようとします。つまり、塩に対してより粘着力を持たせたり、引き付けやすくしたりするために、化学的なメークアップを施すのです。

しかし、ここが難しいところです。これらのスポンジをどのように使うのが最適かを判断するのは、レシピなしで完璧なケーキを焼こうとするようなものです。どれくらいの量のスポンジを使うべきか、水の温度はどうすべきか、どのくらい待つべきか、そして水の酸性度（pH）はどうあるべきかを推測しなければなりません。もし推測を間違えると、スポンジが機能しなかったり、お金を無駄にしたりする可能性があります。ここで「人工知能（AI）」が登場します。AIを、過去の何千もの製菓の試みを観察し、オーブンをつける前に完璧なレシピを予測できる、超スマートな助手だと考えてください。この物語において、「製菓」は水の浄化であり、「レシピ」はスポンジの種類、量、および条件の完璧な組み合わせです。

---

スーパー・スポンジとスマート・アシスタント

この研究において、研究者のXiYue Gao氏は、三段階の戦略を用いて塩水問題に取り組むことに決めました。より良いスポンジを作り、コンピュータにその仕組みを予測することを教え、そしてそのコンピュータに完璧なレシピを見つけ出させるという戦略です。

ステップ1：スポンジを作る
チームは、中国の河西市にある農場のトウモロコシの茎からスタートしました。彼らはこれらの茎を、3種類の異なるタイプの「スポンジ（バイオチャー）」へと変えました。

1. プレーン・バイオチャー (BC): 基本的な炭のスポンジです。
2. 酸修飾バイオチャー (SBC): 表面を変えるために、硫酸の入浴をさせたスポンジです。
3. 鉄修飾バイオチャー (FeBC): スポンジに鉄をロードし、まるで磁力によるスーパーパワーを与えたようなものです。

彼らはこれらのスポンジを、塩やミネラルがたっぷりと含まれた実際の農場排水でテストしました。結果は明白でした。鉄修飾スポンジ (FeBC) が主役だったのです。なぜなら、それは非常に大きな表面積（315.2 m²/g。これは、滑らかなものと比較して、非常に大きく崩れやすいスポンジを持っているようなものです）を持ち、塩のイオンを掴むことを好む鉄と特別な化学基を豊富に含んでいたからです。それは、単にこの中で最も「粘着力の強い」スポンジでした。

ステップ2：スマート・アシスタント（BPニューラルネットワーク）
次に、チームはこれらのスポンジを「使う最善の方法」を見極める必要がありました。少し使うべきか、たくさん使うべきか？ 水は熱いほうがいいのか、冷たいほうがいいのか？ 10分待つべきか、4時間待つべきか？ 何千もの乱雑な実験を行う代わりに、彼らはBPニューラルネットワークを構築しました。

このニューラルネットワークを、過去のあらゆる実験レポートを読み込んだ、非常に食いしん坊な学生だと考えてください。この学生には、実験ごとに5つの情報が与えられました。

• どのスポンジが使われたか？
• スポンジの量は？
• 水の酸性度は？
• 水の温度は？
• どのくらい待ったか？

学生の仕事は、吸着効率（どれだけの塩が除去されたか）を予測することでした。216種類の異なる実験を学習した後、この「学生」は驚くほど正確に予測できるようになりました。練習テストでは93.5%の確率で正解を導き出し、未知のテストでも93.0%の確率で正解を出しました。予測値と実際の現象との差はわずかであり、1.2%未満でした。これは、この特定の種類の水に対して、コンピュータモデルが信頼できる「水晶玉」であることを意味しています。

ステップ3：逆方向の探索（粒子群最適化）
さて、楽しい部分がやってきました。**逆最適化（リバース・オプティマイゼーション）**です。通常、科学者は条件を試し、結果を見て、またやり直します。しかしここでは、コンピュータにこう問いかけました。「もし私たちが絶対的に最高の結果を望むなら、レシピはどうあるべきですか？」

彼らは粒子群最適化 (PSO) と呼ばれるアルゴリズムを使用しました。鳥の群れが山脈の中で最も高い地点を探している様子を想像してください。各鳥（または「粒子」）は飛び回り、高さ（この場合は塩除去効率）をチェックします。もし一羽の鳥が高い場所を見つけたら、他の鳥にそれを伝えます。最終的に、群れ全体が最も高い頂点へと収束していきます。

この研究では、「群れ」がコンピュータモデルの中を飛び回り、鉄修飾スポンジの完璧な組み合わせを見つけ出しました。

• 量: 水1リットルあたり0.8グラム。
• 酸性度 (pH): 7.5（わずかに中性）。
• 温度: 35°C（暖かい日）。
• 時間: 180分（3時間）。

輝かしい結果
チームが実際にラボでこの「完璧なレシピ」をテストしたところ、コンピュータの予測とほぼ同じ結果となりました。スポンジは塩分とミネラルを**91.8%除去しました。さらに素晴らしいことに、コストに目を向けると、鉄のスポンジが最も効率的でした。作るのに1キログラムあたり約28元かかりますが、その性能が非常に高いため、水を1トン浄化するためのコストはわずか1.6元にまで下がり、コスト対効果（支払ったお金に対してどれだけの浄化が得られるか）は1元あたり57.4%**に達しました。

これが意味すること（そして意味しないこと）
この論文は、化学的に修飾されたスポンジとスマートなコンピュータモデルを組み合わせることが、塩水を浄化するための強力な方法であることを示唆しています。鉄のスポンジは、テストされた3つの中で間違いなく最高のパフォーマンスを発揮しており、コンピュータモデルは高い信頼度で結果を予測できるほど正確です。

しかし、著者はこれがまだ世界全体に対する「魔法の杖」であるとは断言していません。これは特定の種類の農場水を用いたラボでの研究であることを指摘しています。鉄が微視的なレベルでどのように塩を掴んでいるのか、その正確なメカニズム（物理的なトラップと化学的な吸引の混合であると推測していますが、100%確信するためにはより高度なツールが必要です）については、まだ証明されていません。また、コスト面は書類上では素晴らしく見えますが、巨大な実世界の工場でテストされたわけではありません。

しかし、現時点では、この研究は非常に有望なレシピを提供しています。トウモロコックスティックを取り、鉄によるメークアップを施し、スマートなコンピュータを使って最適な温度とタイミングを見つけるのです。これは、農場の廃棄物を水の浄化ヒーローへと変える、遊び心のあるデータ駆動型の方法なのです。