AI-Guided Adaptive Control in Membrane Bioreactors for Real-Time Micropollutant Removal: Bridging the Explainability and Multi-Contaminant Gap in Intelligent Wastewater Treatment

도시의 하수 처리장을 더러운 물이 주요 재료인 거대하고 최첨단인 주방이라고 상상해 보십시오. 목표는 오래된 의약품, 눈에 보이지 않는 미세 플라스틱, 화학적 교란 물질과 같은 모든 나쁜 것들을 '요리하여 제거'함으로써, 나오는 물이 자연으로 돌아가기에 충분히 깨끗하도록 만드는 것입니다. 오랫동안 이 주방들은 막 결합형 생물 반응기(Membrane Bioreactor, MBR)라고 불리는 방식을 사용해 왔습니다. 이것을 아주 미세한 체와 나쁜 것들을 먹어치우는 미생물 박테리아 팀이 결합된 형태라고 생각하면 됩니다. 이는 최첨단 설정이지만, 까다롭습니다. 때때로 이 "체"가 막히기도 하며(파울링 현상), 박테리아들은 여러 가지 다양한 오염 물질이 뒤섞인 복잡한 혼합물을 마주했을 때 혼란을 겪기도 합니다.

이를 해결하기 위해 과학자들은 인공지능(AI)을 사용하기 시작했습니다. 보통 이러한 처리장에서의 AI는 매우 뛰어난 추측가처럼 행동합니다. 즉, 데이터를 살펴보고 특정 오염 물질 하나가 어떻게 될지를 예측하는 것입니다. 하지만 현실은 복잡합니다. 물 안에는 다양한 오염 물질의 칵테일이 들어있으며, AI는 종종 자신이 왜 그런 추측을 했는지 설명하지 못합니다. 이는 마치 수프가 맛있을 것이라고는 말할 수 있지만, 어떤 향신료 때문에 그런 맛이 나는지는 말하지 못하는 요리사를 가진 것과 같습니다. 이 논문은 이러한 혼란을 해결하기 위해, 단순히 추측만 하는 것이 아니라 여러 종류의 오염 물질을 동시에 다루면서 자신의 추론 과정을 설명할 수 있는 AI를 구축하는 방법을 다룹니다.

이 연구의 연구진은 특정한 퍼즐을 풀고자 했습니다: 어떻게 하면 여러 종류의 미량 오염 물질을 동시에 제거하면서도, 동시에 왜 그런 결정을 내렸는지 설명할 수 있는 AI를 만들어 전체 규모의 하수 처리장을 제어할 수 있을까? 그들은 XAI-AMBR이라는 새로운 시스템을 구축했습니다. 이 시스템을 하수 처리장을 위한 초스마트 자율주행 자동차라고 생각해 보십시오. 단순히 운전만 하는 것이 아니라, "엔진 온도가 올라가고 있어서 속도를 줄이고 있습니다"라고 대시보드를 가리키며 말할 수 있는 부조종사를 갖춘 자동차 말입니다.

이 "부조종사"를 훈련시키기 위해, 팀은 2년 동안 5개의 거대한 실제 하수 처리장에서 수집한 데이터를 모았습니다. 이 처리장들은 매일 총 48,000 입방미터의 물을 처리합니다. 그들은 노래의 멜로디를 몇 번 듣고 나면 기억하게 되는 것처럼, 시간에 따른 패턴을 기억하는 데 탁월한 장기 단기 메모리(Long Short-Term Memory, LSTM) 네트워크라는 유형의 AI를 사용했습니다. 그들은 물속의 고형물 양이나 산소가 얼마나 기포로 공급되는지와 같은 18가지 서로 다른 정보를 AI에 입력했습니다.

하지만 여기서 정말 영리한 부분이 등장합니다. 그들은 SHAP(Shapley Additive Explanations)이라는 도구를 추가했습니다. 만약 AI가 물을 더 잘 정화하기 위해 설정을 변경하기로 결정한다면, SHAP은 형광펜처럼 작동하여 정확히 어떤 요소들이 그 결정을 유발했는지 보여줍니다. 예를 들어, 분석 결과 "체"가 막히는 것을 방지하는 데 가장 중요한 세 가지 요소는 혼합물 내의 부유 고형물 양, 물이 탱크에 머무는 시간, 그리고 용존 산소 수치였습니다.

연구팀은 단순히 예측에 그치지 않고, 물을 정화하는 것, 에너지를 절약하는 것, 그리고 장비의 수명을 늘리는 것 사이의 완벽한 균형을 찾기 위해 특별한 알고리즘을 사용했습니다. 결과는 매우 인상적이었습니다. 이러한 실전 테스트에서, 새로운 시스템은 유기 오염물질(COD)의 97.8%, 총 질소의 96.4%, 그리고 23가지 서로 다른 미량 오염 물질의 94.2% 이상을 제거해 냈습니다. 또한 기존 방식보다 43.9% 적게, 표준적인 최적화되지 않은 MBR보다 18.7% 적은 전력을 사용하여 많은 에너지를 절감했습니다.

논문은 XAI-AMBR 프레임워크가 설명 가능하면서도 동시에 여러 오염 물질을 처리할 수 있는 최초의 시스템이라고 결론짓습니다. 저자들은 수집된 데이터를 바탕으로 이러한 결과에 확신을 가지고 있지만, 이를 최종적인 완벽한 해결책이라기보다는 중대한 진전으로 규정합니다. 그들은 이 접근 방식이 하수 처리를 완전히 자동화되고, 에너지 효율적이며, 자신의 논리를 설명할 수 있을 만큼 똑똑한 방식으로 만들어, 복잡하고 막히기 쉬운 과정을 효율적이고 투명한 운영으로 전환하는 길을 열어준다고 제안합니다.