Ett sydkoreanskt team har identifierat en multimetallförening som kan adsorbera mer än 90 % av nukleära föroreningar, vilket påskyndar innovation inom miljöhantering genom avancerade algoritmer.
En grupp forskare från Sydkorea har utvecklat ett nytt material som kan eliminera mer än 90 % av det radioaktiva jodet som finns i kärnavfall, med hjälp av artificiell intelligens för att optimera dess design.
Enligt Korea Advanced Institute of Science and Technology (KAIST) utgör denna innovation ett viktigt framsteg inom hanteringen av kärnavfall och öppnar nya möjligheter för tillämpning i industriella och miljömässiga sammanhang.
Upptäckten publicerades i tidskriften Journal of Hazardous Materials och baseras på ett dubbelt lamellärt hydroxid (LDH) med en specifik sammansättning av koppar, krom, järn och aluminium (Cu₃(CrFeAl)). Enligt KAIST identifierades kombinationen av dessa element med hjälp av algoritmer för maskininlärning, vilket avsevärt minskade antalet tester som behövdes för att utforma ett material med hög adsorptionsförmåga för radioaktivt jodat.
Radioaktivt jod: en utmaning för kärnavfallshanteringen
Radioaktivt jod, särskilt isotopen I-129, är en av de största utmaningarna inom hanteringen av kärnavfall på grund av dess halveringstid på 15,7 miljoner år och dess förmåga att spridas i miljön.
Enligt uppgifter från KAIST förekommer denna isotop främst i form av jodat (IO₃⁻) i vattenhaltiga miljöer, vilket försvårar elimineringen med konventionell teknik.
Nuvarande metoder, såsom användning av silverbaserade material, har låg effektivitet när det gäller att fånga upp jodat på grund av den begränsade kemiska affiniteten mellan detta anjon och de använda föreningarna. Denna begränsning motiverade sökandet efter nya material med bättre prestanda och mindre miljöpåverkan.
Artificiell intelligens tillämpad på dekontaminering
Mot bakgrund av dessa svårigheter antog teamet under ledning av Ho Jin Ryu, professor vid avdelningen för kärn- och kvantteknik vid KAIST, tillsammans med Juhwan Noh från centrumet för digital kemi vid Koreas institut för kemiteknisk forskning, en strategi baserad på maskininlärning för att undersöka optimala kombinationer av metaller i LDH. Dessa material är kända för sin mångsidiga sammansättning och sin förmåga att fånga anjoner.
Enligt KAIST krävde den konventionella processen ett stort antal experiment för att utvärdera alla möjliga kombinationer. Med algoritmisk stöd undersökte teamet endast 16 % av de potentiella kandidaterna, vilket innebar en avsevärd förbättring av effektiviteten och kostnaderna.
Materialets sammansättning och erhållna resultat
Det identifierade materialet uppnådde en adsorptionskapacitet för jodat på 91,0 ± 0,2 %, vilket överträffar prestandan hos konventionella adsorbenter. Artikeln i Journal of Hazardous Materials förklarar att LDH-strukturen gör det möjligt att införliva flera metaller, vilket underlättar anpassningen av egenskaperna efter avsedd användning.
Analys med hjälp av artificiell intelligens, med användning av SHAP-metoden (Shapley Additive Explanations), gjorde det möjligt att fastställa de fysikalisk-kemiska faktorer som gynnar syntesen och prestandan hos materialet. Bland dessa identifierades att likheten i jonstorleken hos metallerna gynnar stabiliteten, medan en större skillnad i elektronegativitet förbättrar jodatets adsorptionsförmåga.
Processoptimering genom maskininlärning
Utvecklingen av materialet inleddes med en databas bestående av 24 binära och 96 ternära LDH-kompositioner. Utifrån denna information valde prediktiva modeller baserade på slumpmässiga skogsalgoritmer ut de mest lovande kombinationerna bland 196 fyrkomponentblandningar och 244 fyrkomponentblandningar. Enligt KAIST behövde man endast experimentera med 16 % av kandidaterna, jämfört med traditionella metoder med trial and error.
Användningen av aktivt lärande gjorde det möjligt att kontinuerligt uppdatera modellen med nya experimentella data, vilket förbättrade förutsägelsernas noggrannhet. Denna metodologiska approach öppnar nya möjligheter för design av avföringsmedel med hjälp av artificiell intelligens.
Industriella tillämpningar och prognoser
KAIST rapporterade att det nya multimetalliska LDH-materialet kan användas i sektorer som produktion av adsorberande pulver eller system för filtrering av avloppsvatten som är förorenat med radioaktivt jod. Teamet förutspår att samarbete mellan akademiska institutioner och företag kommer att vara avgörande för att föra denna teknik till marknaden och maximera dess miljöpåverkan.
Enligt Ho Jin Ryu erbjuder användningen av artificiell intelligens en lovande väg i sökandet efter lösningar för nukleär miljörening. ”Denna studie visar potentialen i att använda artificiell intelligens för att effektivt identifiera material för radioaktiv dekontaminering bland ett brett spektrum av nya kandidatmaterial”, sade han, citerad av Korea Advanced Institute of Science and Technology.
Forskarna har lämnat in en nationell patentansökan för den utvecklade tekniken och hanterar ansökan om internationellt patent. Parallellt arbetar de med att förbättra materialets prestanda under olika förhållanden och utvidga dess tillämpningsområden genom samarbeten med privata aktörer.
