Kunstig intelligens skal hjælpe med at fjerne PFAS

Med et nyt forsknings- og udviklingsprojekt vil forskere fra Aarhus Universitet udvikle en ny teknologi, der kan indsamle og nedbryde de såkaldte evighedskemikalier, PFAS, i ét samlet trin i en rensningsproces, der kan kobles direkte på f.eks. drikkevandsboringer og rensningsanlæg.

Projektet er støttet af Villumfonden med 3 millioner kroner og skal forene nyudviklet rensningsteknologi fra nogle af landets førende forskere inden for PFAS-oprensning med kunstig intelligens, der kan sørge for, at oprensningen foregår så optimalt som muligt.

”I projektet skal vi designe, konstruere og teste en ny, automatiseret nedbrydningsteknologi til kontinuerlig PFAS-nedbrydning. Vi etablerer desuden en åben database, der identificerer betydende og begrænsende faktorer for nedbrydningsreaktioner med PFAS-molekyler i reaktoren,” siger lektor Xuping Zhang fra Aarhus Universitets Institut for Mekanik og Produktion, der leder projektet i samarbejde med lektor Zongsu Wei fra Institut for Bio- og Kemiteknologi.

PFAS (per- og polyflouralkylstoffer, er siden 1940’erne blevet benyttet i et utal af produkter lige fra regntøj og byggematerialer til møbler, brandslukkere, solpaneler, gryder, emballage og maling.

PFAS har imidlertid vist sig at have en række skadelige effekter på mennesker og miljø, og stofferne er desværre ligeledes meget svære at nedbryde i naturen. Derfor akkumuleres stofferne kontinuerligt i mennesker og dyr og i øvrigt alle andre steder i naturen.

I Danmark er PFAS-stoffer bl.a. fundet i en lang række drikkevandsboringer, i overfladeskum på havet, i jord på brandøvelses-pladser og i en lang række andre steder som eksempelvis i økologiske æg. Det er ikke muligt at fjerne PFAS fra alt, men man arbejder på at fjerne PFAS fra grundvandet i de drikkevandsboringer, der er forurenet med stofferne.

De mest gængse måder at filtrere drikkevand for PFAS i dag er via filtrering med enten aktivt kul-filter, ionbytnings-filter eller med en specialdesignet membran. Alle disse muligheder filtrerer PFAS fra vandet, men destruerer ikke PFAS. Filtrene er derfor alle midlertidige, idet de skal sendes til forbrænding for at destruere det akkumulerede PFAS eller ender på lossepladser.

Med projektet, der går under navnet ’Machine Learning to Enhance PFAS Degradation in Flow Reactor’, skal der designes og udvikles en optimal og permanent løsning til landets drikkevandsboringer og rensningsanlæg, der konstant indfanger og nedbryder PFAS, og som samtidig overvåger sig selv.

”Vi er nødt til at være kreative og tænke ud af boksen. Jeg ser mange fordele ved at koble kunstig intelligens med flere forskellige vandbehandlingsteknologier, men det er ikke en let opgave at integrere en intelligensbaseret optimering. Det kræver stor synergi mellem maskinlæring og kemiteknologi, men perspektiverne er store,” siger lektor Zongsu Wei fra Aarhus Universitets Institut for Bio- og Kemiteknologi.