Uma equipe de pesquisa do Departamento de Química Inorgânica e do Departamento de Engenharia Química da Universidade de Málaga, em colaboração com pesquisadores do Vietnã, Coreia do Sul, Índia e Taiwan, avançou em um projeto internacional. Este projeto concentra-se na otimização do processo de produção de bio-hidrogênio a partir de águas residuais utilizando tecnologia de inteligência artificial (IA), e as descobertas foram publicadas na revista Energy.

O autor principal do estudo, Professor Enrique Rodriguez Castellon, da Faculdade de Ciências, enfatizou: “O desenvolvimento de processos de utilização e valor agregado de águas residuais é crucial para melhorar a sustentabilidade dos recursos hídricos e a proteção ambiental. O hidrogênio, como matéria-prima essencial nas indústrias química e metalúrgica, é um vetor energético fundamental no processo de descarbonização.” Ele destacou que a utilização de águas residuais para produzir hidrogênio verde não só ajuda a conservar a água potável e otimizar o tratamento de resíduos, como também reduz a dependência de recursos fósseis, representando um caminho sustentável altamente promissor.

Tradicionalmente, o bio-hidrogênio é produzido por meio de fermentação escura, utilizando microrganismos anaeróbicos para decompor a matéria orgânica presente nas águas residuais. No entanto, a eficiência é limitada por diversas variáveis, dificultando as aplicações comerciais. A introdução da IA ​​e do aprendizado de máquina abre novos caminhos para a criação de modelos preditivos e o aprimoramento de processos químicos. O professor Castellon afirmou: "Esses modelos melhoram significativamente a precisão das previsões e o controle do sistema, identificando e aprendendo padrões."

A equipe de pesquisa desenvolveu com sucesso modelos preditivos para melhorar a eficiência do processo, otimizando-o e economizando tempo e custos. Mais importante ainda, eles utilizaram, de forma inovadora, dados de testes do mundo real para construir os modelos preditivos, substituindo os métodos tradicionais. Essa abordagem assistida por IA não só otimiza a recuperação de energia, como também minimiza o desperdício orgânico no processo, aprimorando ainda mais a sustentabilidade.