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

세계의 수자원을 거대하고 북적이는 도시라고 상상해 보세요. 때때로 이 도시는 나트륨, 칼슘, 마그네슘과 같은 눈에 보이지 않는 손님인 염류와 미네로 이온들로 너무 붐비게 됩니다. 이러한 손님들이 너무 많아지면 물은 "고염도" 상태가 되며, 이는 농업, 음용, 그리고 환경에 좋지 않은 소식입니다. 이 물을 깨끗하게 만드는 것은 마치 건초더미에서 바늘을 찾는 것과 같습니다. 하지만 여기서 찾는 것은 바늘이 아니라 특정한 눈에 보이지 않는 이온들입니다. 과학자들은 이러한 원치 않는 손님들을 흡수할 더 나은 "스펀지"를 만들기 위해 노력해 왔습니다. 인기 있는 스펀지 유형 중 하나는 옥수수 대와 같은 식물 폐기물로 만든 숯인 **바이오차(biochar)**입니다. 이것은 저렴하며 무언가를 잡아낼 수 있는 아주 작은 구멍들이 많이 있습니다. 하지만 일반적인 바이오차는 항상 충분히 강력하지는 않습니다. 그래서 과학자들은 그것을 "개질(modify)"하여, 즉 화학적인 변신을 주어 소금에 더 잘 달라붙거나 더 매력적으로 만들려고 노력합니다.

하지만 까다로운 점은, 이 스펀지들을 정확히 어떻게 사용해야 할지 알아내는 것이 마치 레시피 없이 완벽한 케이크를 굽는 것과 같다는 것입니다. 얼마나 많은 양의 스펀지를 사용할지, 온도는 얼마여야 하는지, 얼마나 오래 기다려야 하는지, 그리고 물의 산도(pH)는 어떠해야 하는지를 추측해야 합니다. 만약 추측이 틀린다면, 스펀지는 효과가 없거나 돈을 낭비하게 될 수도 있습니다. 여기서 **인공지능(AI)**이 등장합니다. AI를 아주 똑똑한 조수라고 생각해보세요. AI는 수천 개의 과거 베이킹 시도를 살펴보고, 오븐을 켜기도 전에 완벽한 레시피를 예측할 수 있습니다. 이 이야기에서 "베이킹"은 물을 깨끗하게 만드는 것이고, "레시피"는 스펀지의 종류, 양, 그리고 조건의 완벽한 조합입니다.

---

슈퍼 스펀지와 스마트한 조수

이 연구에서 시유에 가오(XiYue Gao)라는 연구자는 세 가지 전략을 사용하여 짠물을 해결하기로 했습니다: 더 나은 스펀지를 만들고, 컴퓨터에게 그것이 어떻게 작동하는지 가르치고, 그런 다음 그 컴퓨터에게 완벽한 레시피를 찾아내라고 요청하는 것입니다.

1단계: 스펀지 만들기
연구팀은 중국 허제(Heze)의 한 농장에서 가져온 옥수수 대로 시작했습니다. 그들은 이 옥수수 대를 세 가지 다른 유형의 "스펀지"(바이오차)로 만들었습니다:

1. 일반 바이오차 (BC): 기본적인 숯 스펀지입니다.
2. 산 개질 바이오차 (SBC): 표면을 변화시키기 위해 황산 목욕을 시킨 스펀지입니다.
3. 철 개질 바이오차 (FeBC): 스펀지에 철을 채워 넣어, 마치 자석 같은 초능력을 부여한 것입니다.

그들은 이 스펀지들을 소금과 미네랄이 가득한 실제 농경지 배수 용수에 테스트했습니다. 결과는 명확했습니다: **철 개질 스펀지(FeBC)**가 최고의 주인공이었습니다. 왜일까요? 이 스펀지는 훨씬 더 넓은 표면적(315.2 m²/g, 이는 매끄러운 스펀지에 비해 거대하고 부스러지기 쉬운 스펀지를 가진 것과 같습니다)을 가지고 있었고, 철과 소금 이온을 붙잡는 것을 좋아하는 특별한 화학적 그룹들이 가득했기 때문입니다. 그것은 단순히 이 무리 중 가장 끈적끈적한 스펀지였습니다.

2단계: 스마트한 조수 (BP 신경망)
다음으로, 연구팀은 이 스펀지들을 사용하는 최선의 방법을 알아내야 했습니다. 스펀지를 조금 써야 할까요, 아니면 많이 써야 할까요? 물은 뜨거워야 할까요, 차가워야 할까요? 10분을 기다려야 할까요, 4시간을 기다려야 할까요? 수천 번의 지저ck한 실험을 수행하는 대신, 그들은 BP 신경망을 구축했습니다.

이 신경망을 과거의 모든 실험 보고서를 읽은 매우 배고픈 학생이라고 생각해 보세요. 이 학생에게는 실험마다 다섯 가지 정보가 제공되었습니다:

• 어떤 스 sponge가 사용되었는가?
• 스펀지의 양은 얼마인가?
• 물의 산도는 어떠한가?
• 물의 온도는 어떠한가?
• 얼마나 오래 기다렸는가?

학생의 임무는 흡착 효율(소금이 얼마나 제거되었는지)을 추측하는 것이었습니다. 216가지의 서로 다른 실험을 공부한 후, 이 "학생"은 놀라울 정도로 예측을 잘하게 되었습니다. 이 학생은 연습 테스트에서 93.5%의 정답률을 보였고, 본 적 없는 새로운 테스트에서도 93.0%의 정답률을 보였습니다. 학생이 추측한 것과 실제로 일어난 일 사이의 차이는 1.2% 미만이었습니다. 이는 컴퓨터 모델이 이 특정 유형의 물에 대해 신뢰할 수 있는 수정구슬임을 의미합니다.

3단계: 역방향 탐색 (입자 군집 최적화)
이제 재미있는 부분입니다: 역최적화(Reverse Optimization). 보통 과학자들은 조건을 시도하고, 결과를 보고, 다시 시도합니다. 하지만 여기에서 그들은 컴퓨터에게 물었습니다: "만약 우리가 절대적으로 최고의 결과를 얻고 싶다면, 레시피가 무엇이어야 하는가?"

그들은 **입자 군집 최적화(PSO)**라고 불리는 알고리즘을 사용했습니다. 일련의 새 떼가 산맥에서 가장 높은 지점을 찾는 모습을 상상해 보세요. 각 새(또는 "입자")는 날아다니며 높이(이 경우에는 소금 제거 효율)를 확인합니다. 만약 한 마리의 새가 높은 곳을 발견하면, 다른 새들에게 알립니다. 결국, 새 떼 전체가 가장 높은 봉우리로 모이게 됩니다.

이 연구에서 "새 떼"는 컴퓨터 모델 속을 날아다니며 철 개질 스펀지를 위한 완벽한 조합을 찾아냈습니다:

• 양: 물 1리터당 0.8그램.
• 산도 (pH): 7.5 (약간 중성).
• 온도: 35°C (따뜻한 날씨).
• 시간: 180분 (3시간).

최종 결과
연구팀이 실제로 실험실에서 이 "완벽한 레시피"를 테스트했을 때, 그것은 컴퓨터가 예측한 것과 거의 똑같이 작동했습니다. 스펀지는 소금과 미네랄을 91.8% 제거했습니다. 더욱 좋은 것은, 비용을 따져보았을 때 철 스펀지가 가장 효율적이었다는 점입니다. 이를 만드는 데 킬로그램당 약 28위안이 들었지만, 성능이 매우 뛰어나기 때문에 물 1톤을 정화하는 비용은 단 1.6위안으로 떨어졌으며, "비용 대비 효율(지출한 돈 대비 얻는 정화량)"은 위안당 **57.4%**에 달했습니다.

이것이 의미하는 것 (그리고 의미하지 않는 것)
이 논문은 화학적으로 개질된 스펀지와 스마트한 컴퓨터 모델을 결합하는 것이 짠물을 정화하는 강력한 방법임을 시사합니다. 철 스펀지는 그들이 테스트한 세 가지 중 확실히 최고의 성능을 보였으며, 컴퓨터 모델은 높은 신뢰도로 결과를 예측할 만큼 정확합니다.

하지만 저자는 이것이 아직 전 세계를 위한 마법의 해결책이라고 말하지 않도록 주의를 기울입니다. 그들은 이것이 특정 유형의 농경지 용수를 대상으로 실험실에서 수행되었다는 점을 언급합니다. 그들은 철이 미시적 수준에서 어떻게 소금을 붙잡는지 정확히 증명하지 못했습니다(그들은 그것이 물리적 포획과 화학적 인력의 혼합이라고 의심하고 있지만, 100% 확신하기 위해서는 더 고급 도구가 필요합니다). 또한, 비용이 서류상으로는 훌륭해 보이지만, 아직 거대한 실제 공장에서 테스트하지는 않았습니다.

하지만 현재로서는, 이 연구는 매우 유망한 레시피를 제공합니다: 옥수수 대를 가져와서, 철로 변신을 준 다음, 스마트한 컴퓨터를 사용하여 완벽한 온도와 타이밍을 찾는 것입니다. 이것은 농업 폐기물을 물을 정화하는 슈퍼히어로로 바꾸는 즐겁고 데이터 중심적인 방법입니다.