机器学习可以带来更清洁的水

的美国能源部奖励了150万美元给路易斯安那州立大学和宾夕法尼亚州立大学的研究小组开发一种更智能的离子分离方法，水处理、资源回收和能源生产所需的关键化学反应。利用机器学习(ML)，研究人员正在构建一个平台，通过结合不断细化和交联的分子、材料和设备数据，加速发现阶段，以确定更好的材料和工艺。该平台将传输、热力学和动力学现象从纳米级连接到工厂级设备。

该团队包括宾夕法尼亚州立大学化学工程系副教授、路易斯安那州立大学化学工程系兼职教授Chris Arges;首席研究员Revati Kumar是路易斯安那州立大学化学系的副教授，并在路易斯安那州立大学计算与技术中心联合任命;凯恩捐赠主席José Romagnoli，路易斯安那州立大学化学工程系教授。

研究人员的目标是优化化学制造和能源行业中常见且通常昂贵的工艺，例如净化水或提取和回收有价值的金属，包括锂和铜。

Romagnoli说:“分离科学新材料开发的一个挑战是数据稀缺，这限制了机器学习方法的实施和有效性。”

他解释说，在这个项目中，可用的数据将有助于训练机器学习算法，然后可以将其合并到组成的物理模型中。这些模型将生成合成数据来训练机器学习替代模型，这些模型根据所提供数据发生的统计可能性来预测结果，而不是进行完整的模拟。虽然研究人员仍在进行一些物理实验来验证机器学习结果的准确性和有用性，但Romagnoli表示，这一过程减轻了仅通过物理实验生成大型数据集所需的成本和时间。

“机器学习很美妙，因为你不需要对事物之间的关系有先验知识，”库马尔说。“这就是机器学习所做的——它需要大量数据集，帮助你发现模式。通常情况下，如果你看所有的数据，你没有机会理解它，所以这种方法是一个很大的改进，有很多验证步骤。”

除了识别和验证从盐水中分离离子以获得淡水的更有效方法外，机器学习平台还可以帮助从废水中回收金属，包括用于生物燃料生产的发酵液。

阿格斯说:“这种混合物中有许多增值化学品，可以成为商品化学品和新产品(如可生物降解塑料)的良好组成部分。”他还隶属于宾夕法尼亚州立大学能源与环境研究所综合能源系统中心。

Arges解释了更有效的离子分离如何产生重要影响，从为锂离子电池采购锂，到确保为发电厂产生蒸汽的可靠淡水。

Arges说:“这项技术有很多用途，我们期待着与更广泛的科学界分享我们的剧本，这样他们就可以使用我们正在开发的工具来推进他们在离子分离领域的研究目标。”

-由Chris Vavra编辑，网页内容经理，控制工程， CFE媒体与技术，cvavra@cfemedia.com．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。