Os cientistas optimizaram a utilização de águas residuais para a produção de hidrogénio verde através da inteligência artificial

Trata-se de um consórcio que envolve investigadores de países como o Vietname, a Coreia do Sul, a Índia e Taiwan e que, além disso, conta com o apoio financeiro da empresa ACOSOL, da Fundación Unicaja e da Agência Estatal de Investigação (Ministério da Ciência, Inovação e Universidades espanholas).

"O desenvolvimento de processos de utilização e valorização de águas residuais é necessário para melhorar a sustentabilidade dos recursos hídricos e proteger o meio ambiente", afirma Enrique Rodríguez Castellón, professor da Faculdade de Ciências, um dos autores deste estudo, que acrescenta que o hidrogénio é uma "matéria-prima essencial nas indústrias química e metalúrgica e um vetor energético fundamental na descarbonização".

Assim, como se observa neste estudo, publicado na revista científica Energy, a utilização de águas residuais para produzir hidrogénio verde - considerado o combustível do futuro - é um processo sustentável com grande potencial, uma vez que contribui para poupar água potável, otimizar os resíduos e reduzir a utilização de recursos fósseis.

Um novo caminho

Esta investigação conseguiu precisamente otimizar a eficiência deste processo, que se realiza através da fermentação escura - um método que consiste em utilizar microrganismos anaeróbicos para decompor a matéria orgânica presente nas águas residuais para produzir bio-hidrogénio - embora, até agora, tenha sido possível com variáveis que afectam a sua eficiência e limites na sua utilização comercial.

Por isso, a utilização da inteligência artificial e da aprendizagem automática abre um novo caminho para a criação de modelos preditivos para melhorar processos químicos como a fermentação escura. "Estes modelos facilitam a identificação e a aprendizagem de padrões, conduzindo a uma maior precisão nas previsões e no controlo do sistema", afirma Rodríguez Castellón.

Um método inovador

O estudo deste consórcio internacional provou que é possível desenvolver modelos preditivos para este processo, a fim de melhorar a sua eficiência, afinar o procedimento e poupar tempo e custos.

Além disso, o estudo descreve um novo método assistido por IA que substituiria os métodos mais convencionais, utilizando dados de testes do mundo real para construir modelos preditivos. Além disso, foi utilizado para otimizar a recuperação de energia e minimizar os resíduos orgânicos do processo, melhorando a sua sustentabilidade.