#Mühəndislik #Robototexnika və AI #Xəbərlər

Maşın öyrənməsi PFAS-ı sudan süzmək üçün membranların kəşfini sürətləndirir

Bir gün içməli suyunuz zəhərli “əbədi kimyəvi maddələrdən” tamamilə azad ola bilər. PFAS (per- və polifluoroalkil maddələr) adlanan bu kimyəvi maddələr makiyaj, yapışmayan qablar, diş ipi, batareyalar və qida qablaşdırması kimi ümumi məişət əşyalarında olur. PFAS torpağa, suya, qidaya və havaya nüfuz edir və onlar minilliklər ərzində ətraf mühitdə qala bilərlər. İnsan bədəninə daxil olduqdan sonra, PFAS illər boyu davam edə bilər, immunitet sistemini basdırır və xərçəng riskini artırır.

Ən müasir maşın öyrənməsi (ML) modeli ilə silahlanmış Georgia Tech tədqiqatçıları çox universitetli təşəbbüsə rəhbərlik edirlər. Onların məqsədi? İnsan məruz qalmasının əhəmiyyətli bir mənbəyi olan içməli sudan PFAS-ı effektiv şəkildə çıxaran daha yaxşı bir membran dizayn etmək.

“Bütün 50 ştatda 200 milyondan çox amerikalı içməli suda PFAS-dan təsirlənir, 1400 icma sağlamlıq ekspertlərinin təhlükəsizlik həddindən artıq səviyyəyə malikdir” dedi tədqiqatın baş müstəntiqi Yongsheng Chen, Bonnie W. və Charles W. Moorman IV Corciya Civil-Mühəndislik Texniki Universitetinin professoru. Çen həmçinin Kənd Təsərrüfatı Texnologiyası üçün Qida, Enerji və Su Mərkəzini və ya YENİ Mərkəzi idarə edir.

“Tədqiqatımız bu zəhərli kimyəvi maddələrin insan sağlamlığına və ətraf mühitə təsirini azaltmaq üçün miqyaslı, səmərəli və davamlı həll yolu təqdim etmək məqsədi daşıyır.”

Nəticə iş bu yaxınlarda Nature Communications jurnalında dərc olunub .

Çirkab suların təmizlənməsi məhdudiyyətləri

Ənənəvi suyun təmizlənməsi prosesləri PFAS-in aradan qaldırılmasında təsirsizdir. Çox tez-tez suda patogenləri öldürmək üçün xlordan istifadə kimi ənənəvi təmizləmə üsulları zərərli əlavə məhsullar yaradır.

“Bir problemin həlli başqa bir problem yaradır” dedi Çen.

O, bitkilərdəki qida səviyyəsini izləmək üçün dəqiq kənd təsərrüfatında ML və süni intellektdən artıq istifadə edib və PFAS-in aradan qaldırılması ilə mübarizənin eyni şəkildə yeni yanaşmalar tələb etdiyini təkid edir. Bütün su hövzəsini təmizləmək əvəzinə, Çenin komandası əvvəlcə PFAS-ı su axınından ayırdı. Müvəffəqiyyət sudakı kimyəvi maddələri təcrid etmək üçün düzgün membran materialının tapılmasından asılı idi.

Chen 10 Ph.D.-dən ibarət komandaya güvənirdi. ML modelləşdirməsini yerinə yetirmək üçün tələbələr və doqquz tədqiqatçı alim. Georgia Tech-dən əlavə, daha iki məktəb insanlara və laboratoriya təcrübəsinə töhfə verdi. Viskonsin-Madison Universiteti (UWM) modeli molekulyar simulyasiyalarla təsdiqlədi, Arizona Dövlət Universiteti (ASU) isə elmi ədəbiyyatdan və onların laboratoriyasından əldə edilən məlumatlardan istifadə edərək onu öyrətdi.

ADU-nun Davamlı Mühəndislik və Quraşdırılmış Ətraf Mühit Məktəbinin ətraf mühit mühəndisliyi üzrə dosenti Tiezheng Tong, “Maşın öyrənmənin membranla ayrılmasına tətbiqi ətraf mühit mühəndisliyi üçün maraqlı bir sərhəddir” dedi .

Onun sözlərinə görə, bu, PFAS-in zəhərli təbiəti və son vaxtlar EPA-nın içməli suda PFAS ilə bağlı verdiyi qərara görə ictimaiyyətin diqqətini cəlb edən geniş yayılmış problem olan PFAS çirklənməsi ilə mübarizədə daha bir addımdır.

“Molekulyar simulyasiya vasitələri ilə inteqrasiya etməklə, biz membranların ayrılması ilə bağlı fundamental elmin sərhədlərini itələyərək, nanofiltrasiya və əks osmoz membranları vasitəsilə PFAS daşınmasını daha yaxşı başa düşə bilərik” dedi Tong.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=188&slotname=2793866484&adk=1121470953&adf=746485419&pi=t.ma~as.2793866484&w=750&abgtt=6&fwrn=4&lmt=1740027698&rafmt=11&format=750×188&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-02-machine-discovery-membranes-filter-pfas.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTMzLjAuNjk0My45OSIsbnVsbCwwLG51bGwsIjY0IixbWyJOb3QoQTpCcmFuZCIsIjk5LjAuMC4wIl0sWyJHb29nbGUgQ2hyb21lIiwiMTMzLjAuNjk0My45OSJdLFsiQ2hyb21pdW0iLCIxMzMuMC42OTQzLjk5Il1dLDBd&dt=1740027698532&bpp=1&bdt=72&idt=84&shv=r20250213&mjsv=m202502130101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1740027249%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1740027249%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3De43bb863646b60b8%3AT%3D1735367325%3ART%3D1740027249%3AS%3DAA-AfjbQoPwZqH28q9IwcCLRSzzg&prev_fmts=0x0&nras=1&correlator=3380149567458&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=447&ady=2415&biw=1903&bih=945&scr_x=0&scr_y=0&eid=95331833%2C95347433%2C95350016&oid=2&pvsid=3493667057832862&tmod=1110872139&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=89

ML membran materialının kəşflərini sürətləndirir

ML modelləşdirməsindən istifadə kəşf prosesini əhəmiyyətli dərəcədə sürətləndirdi. Məsələn, bir fəlsəfə doktoru. Chen laboratoriyasında bir tələbə perspektivli membranı təyin etmək üçün iki il ərzində sınaq və səhvdən istifadə etdi. Maşın öyrənməsinin modelləşdirilməsi komandaya səkkiz membran namizədini 10-20 dəfə daha sürətli tapmağa imkan verdi, kəşf müddətini illərdən bir neçə aya endirdi.

Ying Li izah etdi: “Bizim molekulyar dinamika simulyasiyalarımız elektrostatik qarşılıqlı təsirlərin, ölçülərin xaric edilməsinin və dehidratasiyanın PFAS molekullarının poliamid membranlar arasında daşınmasını idarə etməkdə mühüm rol oynadığını ortaya qoyur”. Li UWM-də maşınqayırma üzrə dosentdir.

“Bu hesablamalar göstərir ki, elektrostatik qarşılıqlı təsirlər PFAS-in rədd edilməsində üstünlük təşkil edir, yüklənmiş funksional qruplar nəqliyyat davranışına əhəmiyyətli dərəcədə təsir göstərir. Simulyasiya nəticələri PFAS-ın aradan qaldırılması effektivliyinin əsas molekulyar determinantlarını vurğulayaraq, ML proqnozlarına uyğun gələn fundamental anlayışlar təqdim edir.”

Kənd təsərrüfatında PFAS məruz qalmasının həlli

PFAS çirklənməsini həll etməklə, bu tədqiqat su təmizləyici qurğulardan alınan gübrədən asılı olan kənd təsərrüfatı sənayesinə də fayda verə bilər. Çirkab su biosolidləri gübrəyə emal edilir və fermerlərə və fermerlərə kimyəvi gübrələrə daha ucuz alternativ təklif edir. Təəssüf ki, kanalizasiya lillərindən PFAS ilə çirklənmiş gübrələr xeyli miqdarda torpaq və mal-qaranı çirkləndirmişdir. Sənaye qrupları təxmin edir ki, ABŞ-da təxminən 70 milyon akr əkin sahəsi bu əbədi kimyəvi maddələrlə çirklənə bilər.

USDA ümid edir ki, effektiv membran Birləşmiş Ştatlara bu mühüm resursu geri qaytarmağa kömək edəcək.

“PFAS-dan xilas olmaq üçün çox ağıllı bir membranın sintezi həm də bələdiyyə tullantı su təmizləyici qurğulardan gübrə çıxarmağa imkan verir” dedi Çen. “Belə bir membran bizə istəmədiyimiz şeylərdən qurtulmağa və ehtiyac duyduğumuz şeyləri saxlamağa imkan verə bilər, beləliklə, suvarma və ya digər tətbiqlər üçün suyu saxlaya bilərik.”

Gübrələrdə PFAS-in aradan qaldırılması həm də tələbatın 80%-i şəhərlərdə olduğu üçün şəhər və kənd yerlərində qida və suya tələbatın uyğunsuzluğunu həll etməyə kömək edə bilər. PFAS-in çıxarılması birbaşa şəhər ərazisinin resurslarının bərpasına və qida istehsalına dəstək verə bilər.

“Məqsədimiz materialların heç vaxt tullantıya çevrilmədiyi və təbiətin bərpa olunduğu dairəvi iqtisadiyyata nail olmaqdır” dedi Çen.

Növbəti nə var

Komanda modeli təkmilləşdirəcək və onun təlim xüsusiyyətlərini təkmilləşdirmək üçün daha çox məlumat əlavə edəcək. Chen, modelin PFAS-in çıxarılması ilə bağlı proqnozlarını daha da sınaqdan keçirmək üçün laboratoriyasında membranları sintez edəcək.

Bu gün elm adamları uzun PFAS zəncirlərini aradan qaldırmağın yollarını tapdılar, lakin bu kimyəvi maddələrin daha qısa zəncirləri davam edir, Chen izah etdi.

“Mexanizmi daha yaxşı başa düşə bilsək, bütün PFAS-lərdən xilas olmaq üçün yaxşı bir material membranı dizayn edə biləcəyik . Bu, oyunu dəyişə bilər.”

Daha çox məlumat: Nohyeong Jeong və digərləri, Maşın öyrənməsi və molekulyar simulyasiyalardan istifadə edərək poliamid membranlarla PFAS çıxarılmasının idarəedici amillərinin aydınlaşdırılması, Nature Communications (2024). DOI: 10.1038/s41467-024-55320-9

Jurnal məlumatı: Nature Communications Corciya Texnologiya İnstitutu tərəfindən təmin edilmişdir 

Leave a comment

Sizin e-poçt ünvanınız dərc edilməyəcəkdir. Gərəkli sahələr * ilə işarələnmişdir