När stadsbefolkningen växer och behovet av hållbar energi och vatten växer, forskare och ingenjörer vid University of Chicago och partners tittar på artificiell intelligens för att bygga nya system för att hantera avloppsvatten. Två nya projekt kommer att testa sätt att göra "intelligenta" vattensystem för att återvinna näringsämnen och rent vatten.

"Vatten är en oumbärlig resurs i vårt samhälle, eftersom det krävs för att upprätthålla liv och ekonomiskt välstånd, sa Junhong Chen, Crown Family Professor vid Pritzker School of Molecular Engineering vid University of Chicago och ledande vattenstrateg vid Argonne National Laboratory. "Vår framtida ekonomi och nationella säkerhet är mycket beroende av tillgången på rent vatten. det finns ett begränsat utbud av förnybart sötvatten, utan ersättning."

Minska, återanvändning

Det amerikanska energidepartementet meddelade att UChicago, tillsammans med Argonne National Laboratory, Northwestern University och andra partners, kommer att få finansiering för att utveckla ett artificiell intelligens-assisterat system för återvinning av energi, näringsämnen och sötvatten från kommunalt avloppsvatten.

Det slutliga målet med projektet, som kommer att finansieras med 2 miljoner USD under tre år, är att omvandla det befintliga amerikanska reningssystemet för kommunalt avloppsvatten till ett intelligent system för återvinning av vattenresurser som dramatiskt kommer att minska energiförbrukningen och bli energipositiv i nationell skala.

Det resulterande vattenåtervinningssystemet skulle gynna vattenförsörjningen i underbetjänade samhällen på Chicagos södra sida såväl som Great Lakes-regionen i allmänhet, inklusive Milwaukee och Detroit.

"Detta projekt är ett viktigt steg framåt för att förverkliga Argonnes strategiska plan för att förbättra vårt ledarskap inom vattenrelaterad vetenskap genom banbrytande forskning, upptäckter och innovationer med hjälp av artificiell intelligens, " sa Chen.

Tillvägagångssättet kommer att kombinera artificiell intelligens och maskininlärning för onlineinlärning av systemdynamik, matematisk modellering för att optimera energi- och näringsåtervinning, och livscykelanalys och modellering med avseende på både vetenskap och ekonomi för att vägleda systemdesign. Det kommer också att involvera utveckling av nya material för effektiv solånggenerering och trådlösa sensorer för vattenkvalitetsövervakning i realtid.

Det intelligenta systemkonceptet för kommunal återvinning av avloppsvatten bör även kunna tillämpas på andra avloppsvatten, inklusive industri och jordbruk.

De andra partnerna inkluderar Great Lakes Water Authority, Milwaukee Metropolitan Sewerage District, NanoAffix och två regionala vatteninnovationshubbar – Current och Water Council. Priset är en del av ett urval av Department of Energy-projekt på totalt 27,5 miljoner USD för 16 vatteninfrastrukturprojekt för att minska energianvändningen och koldioxidutsläppen i vår åldrande vatteninfrastruktur, särskilt vid rening av avloppsvatten.

Förutom Chen, projektgruppens medlemmar inkluderar Seth Darling från Argonne, Jennifer Dunn från Northwestern University och Argonne, George Wells från Northwestern University, och Asst. Prof. Yuxin Chen vid University of Chicago.

Ta bort giftiga vattenföroreningar

Ett annat projekt syftar till att använda AI i molekylär teknik för att upptäcka och ta bort vattenföroreningar.

Vattenförorenande kemikalier som polyfluoralkylämnen, eller PFAS, kan leda till allvarliga miljö- och hälsoeffekter, som låg födelsevikt för spädbarn, cancer, och störningar av sköldkörtelhormon. De nuvarande metoderna för att upptäcka dessa kemikalier är dyra, tidskrävande, och kräver skrymmande utrustning och kunnig personal. Det stora antalet föroreningar – över 4, 000 enbart i PFAS-familjen – förbjuder också konventionell utveckling av biologiska eller kemiska sonder.

Ett projekt som leds av forskare vid University of Chicago och Argonne kommer att utveckla en plattform som använder molekylär simulering, organisk syntes, och artificiell intelligens för att snabbt utforska det stora molekylära utrymmet hos potentiella PFAS-sonder och effektivt identifiera, design, och tillverka nya kemiska sonder för att känna av och ta bort föroreningar från vatten.

Arbetet, som samarbetar med Current, Metropolitan Water Reclamation District of Greater Chicago, kommer också att främja datavetenskap, karaktärisering vid Argonne Advanced Photon Source, och högpresterande simulering. Forskarna hoppas att det potentiellt kan överföras till screening och avlägsnande av andra vattenföroreningar, såsom läkemedel, för att främja den globala folkhälsan. Det finansieras genom Discovery Challenge-programmet från Center for Data and Computing (CDAC), med stöd från UChicagos Office of Research och National Laboratories Joint Task Force Initiative.

Projektforskare inkluderar Junhong Chen, Stuart Rowan, och Andrew Ferguson från Pritzker School of Molecular Engineering, Rebecca Willett och Eric Jonas från UChicago Computer Science Department, Seth Darling från Pritzker School och Argonne, och Sang Soo Lee och Chris Benmore från Argonne.