توسعه فناوری هوش مصنوعی که غلظت یون آب را پیش‌بینی کند، می‌تواند کمک بزرگی برای سنجش کیفیت آب در مقیاس بزرگ باشد و به بهبود رفاه اجتماعی کمک کند.
حدود ۲.۲ میلیارد نفر یعنی بیش از یک چهارم جمعیت جهان به آب آشامیدنی سالم و مدیریت‌شده دسترسی ندارند و حدود نیمی از جمعیت جهان در برخی از مقاطع سال با کمبود شدید آب روبه‌رو هستند.
به نقل از نیوز وایز، به منظور غلبه بر این کمبودها، هزینه‌های اجتماعی و اقتصادی هنگفتی برای روش‌های استفاده از منابع آب جایگزین مانند استفاده از آب باران و نمک‌زدایی آب دریا صرف می‌شود. علاوه بر این، سیستم‌های توزیع متمرکز آب با مضراتی همراه هستند؛ از جمله اینکه قادر به پاسخ‌گویی فوری به تغییرات تقاضای آب نیستند.
با توجه به چنین مشکلاتی، علاقه فزاینده‌ای به فناوری‌های غیر متمرکز تولید آب وجود دارد. فناوری‌های غیر متمرکز، فناوری‌های مبتنی بر الکتروشیمی مانند وایونش خازنی و وایونش الکترود باتری هستند که به آسانی به کار گرفته می‌شوند. با وجود این، حسگرهای اندازه‌گیری کیفیت آب که در فناوری‌های مبتنی بر الکتروشیمی استفاده می‌شوند، یون‌های منفرد موجود در آب را ردیابی نمی‌کنند و محدودیت‌هایی در درک شرایط کیفیت آب با استفاده از رسانایی الکتریکی دارند.
گروه پژوهشی داکتر «سون مون»(Son Moon) از مرکز تحقیقات چرخه منابع آب «موسسه علم و فناوری کوریای جنوبی»(KIST) با همکاری گروه پروفسور «بائک سانگ سو»(Baek Sang-Soo) از «دانشگاه یئونگنام»(Yeongnam University)، فناوری جدیدی را ابداع کرده‌اند که از هوش مصنوعی مبتنی بر داده برای پیش‌بینی دقیق غلظت یون‌ها در آب طی فرآیندهای تصفیه الکتروشیمیایی آب استفاده می‌کند.
پژوهشگران در آزمایش‌ها دریافتند که برای بهبود دقت پیش‌بینی‌ها لازم است هر ۲۰ تا ۸۰ ثانیه به‌روزرسانی‌هایی انجام شود. این بدان معناست که برای اعمال این روش در شبکه‌های ردیابی یون‌های خاص باید کیفیت آب در هر دقیقه بررسی شود تا مدل اولیه آموزش ببیند.
مدل مورد استفاده در این پژوهش نسبت به مدل‌های پیچیده یادگیری عمیق مقرون‌به‌صرفه‌تر است و برای آموزش به منابع محاسباتی بیش از ۱۰۰ برابر کمتر نیاز دارد.
داکتر مون گفت: اهمیت این پژوهش فقط توسعه یک مدل هوش مصنوعی جدید نیست، بلکه کاربرد آن در سیستم ملی مدیریت کیفیت آب است. با استفاده از این فناوری می‌توان غلظت یون‌ها را با دقت بیشتری تحت کنترل قرار داد و به بهبود دسترسی به آب کمک کرد.
این پژوهش در مجله «Water Research» به چاپ رسید.
به نقل از نیوز وایز، به منظور غلبه بر این کمبودها، هزینه‌های اجتماعی و اقتصادی هنگفتی برای روش‌های استفاده از منابع آب جایگزین مانند استفاده از آب باران و نمک‌زدایی آب دریا صرف می‌شود. علاوه بر این، سیستم‌های توزیع متمرکز آب با مضراتی همراه هستند؛ از جمله اینکه قادر به پاسخ‌گویی فوری به تغییرات تقاضای آب نیستند.
با توجه به چنین مشکلاتی، علاقه فزاینده‌ای به فناوری‌های غیر متمرکز تولید آب وجود دارد. فناوری‌های غیر متمرکز، فناوری‌های مبتنی بر الکتروشیمی مانند وایونش خازنی و وایونش الکترود باتری هستند که به آسانی به کار گرفته می‌شوند. با وجود این، حسگرهای اندازه‌گیری کیفیت آب که در فناوری‌های مبتنی بر الکتروشیمی استفاده می‌شوند، یون‌های منفرد موجود در آب را ردیابی نمی‌کنند و محدودیت‌هایی در درک شرایط کیفیت آب با استفاده از رسانایی الکتریکی دارند.
گروه پژوهشی داکتر «سون مون»(Son Moon) از مرکز تحقیقات چرخه منابع آب «موسسه علم و فناوری کوریای جنوبی»(KIST) با همکاری گروه پروفسور «بائک سانگ سو»(Baek Sang-Soo) از «دانشگاه یئونگنام»(Yeongnam University)، فناوری جدیدی را ابداع کرده‌اند که از هوش مصنوعی مبتنی بر داده برای پیش‌بینی دقیق غلظت یون‌ها در آب طی فرآیندهای تصفیه الکتروشیمیایی آب استفاده می‌کند.
پژوهشگران در آزمایش‌ها دریافتند که برای بهبود دقت پیش‌بینی‌ها لازم است هر ۲۰ تا ۸۰ ثانیه به‌روزرسانی‌هایی انجام شود. این بدان معناست که برای اعمال این روش در شبکه‌های ردیابی یون‌های خاص باید کیفیت آب در هر دقیقه بررسی شود تا مدل اولیه آموزش ببیند.
مدل مورد استفاده در این پژوهش نسبت به مدل‌های پیچیده یادگیری عمیق مقرون‌به‌صرفه‌تر است و برای آموزش به منابع محاسباتی بیش از ۱۰۰ برابر کمتر نیاز دارد.
داکتر مون گفت: اهمیت این پژوهش فقط توسعه یک مدل هوش مصنوعی جدید نیست، بلکه کاربرد آن در سیستم ملی مدیریت کیفیت آب است. با استفاده از این فناوری می‌توان غلظت یون‌ها را با دقت بیشتری تحت کنترل قرار داد و به بهبود دسترسی به آب کمک کرد.
این پژوهش در مجله «Water Research» به چاپ رسید.