اخبار

تولید آب سالم به کمک هوش مصنوعی

با افزایش جمعیت انسان‌ها در زمین، تنش آبی روز به روز شدت بیشتری می‌گیرد؛ طبق برآوردهای صورت‌گرفته نزدیک به 2.2 میلیارد نفر، یعنی بیش از یک‌چهارم جمعیت جهان، به آب آشامیدنی سالم دسترسی ندارند. در این بین نیمی از جمعیت جهان نیز در برخی از مقاطع سال با کمبود شدید…

2 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • فناوری‌های
  • پژوهشگران
  • استفاده
  • کیفیت
  • فناوری
  • جمعیت
تولید آب سالم به کمک هوش مصنوعی

خلاصه تحلیلی خبر

با افزایش جمعیت انسان‌ها در زمین، تنش آبی روز به روز شدت بیشتری می‌گیرد؛ طبق برآوردهای صورت‌گرفته نزدیک به 2.2 میلیارد نفر، یعنی بیش از یک‌چهارم جمعیت جهان، به آب آشامیدنی سالم دسترسی ندارند. در این بین نیمی از جمعیت جهان نیز در برخی از مقاطع سال با کمبود شدید…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، فناوری‌های، پژوهشگران، استفاده، کیفیت

با افزایش جمعیت انسان‌ها در زمین، تنش آبی روز به روز شدت بیشتری می‌گیرد؛ طبق برآوردهای صورت‌گرفته نزدیک به 2.2 میلیارد نفر، یعنی بیش از یک‌چهارم جمعیت جهان، به آب آشامیدنی سالم دسترسی ندارند. در این بین نیمی از جمعیت جهان نیز در برخی از مقاطع سال با کمبود شدید آب مواجه هستند؛ انسان برای غلبه بر این مشکل مجبور به صرف هزینه‌های هنگفت اجتماعی و اقتصادی شده است؛ هزینه‌هایی که صرف نمک‌زدایی آب دریا و روش‌های جایگزینی می‌شود که قادر به پاسخ‌گویی فوری به تغییرات تقاضای آب نیستند.

دانشمندان سال‌ها است که با توجه به چنین مشکلاتی، علاقه فزاینده‌ای به فناوری‌های غیرمتمرکز تولید آب پیدا کرده‌اند؛ فناوری‌های غیرمتمرکز، 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.

به‌تازگی گروهی از پژوهشگران از مرکز تحقیقات چرخه منابع آب مؤسسه علم و فناوری کره جنوبی با همکاری گروهی از پژوهشگران از دانشگاه یئونگنام، 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 این 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.

از مزیت‌های مدل مورداستفاده، مقرون‌به‌صرفه بودن آن در نسبت به مدل‌های پیچیدهیادگیری عمیقاست و برای آموزش به منابع محاسباتی بیش از ۱۰۰ برابر کمتر نیاز دارد. بنا بر گفته پژوهشگران 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.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.