Un avance de la inteligencia artificial en el tratamiento del agua promete un mejor acceso al agua potable

Según la Organización Mundial de la Salud (OMS), 2.200 millones de personas (más de una cuarta parte de la población mundial) no tienen acceso a agua potable. Además, casi la mitad sufre una grave escasez de agua en algún momento del año, y el problema no hace más que empeorar.

En un intento por abordar esta escasez, muchos países invierten mucho en soluciones como el riego controlado, la reutilización del agua de lluvia y la desalinización del agua de mar. Sin embargo, se sabe que estos sistemas tienen dificultades para satisfacer los cambios repentinos en la demanda, lo que ha provocado un creciente interés en la tecnología de producción de agua descentralizada.

Estos nuevos métodos, como la desionización capacitiva y la desionización de electrodos de batería, son prometedores, pero tienen un problema: los sensores que se utilizan actualmente en estos sistemas solo proporcionan mediciones aproximadas de la calidad del agua a través de la conductividad eléctrica. Esto significa que no pueden medir y rastrear con precisión los iones individuales en el agua, lo que limita su eficacia.

Para abordar este problema, los investigadores del Instituto de Ciencia y Tecnología de Corea (KIST) y la Universidad de Yeongnam han desarrollado una solución que utiliza tecnología de inteligencia artificial (IA) mediante el aprendizaje automático para predecir las concentraciones de iones en el agua durante su tratamiento electroquímico.

Se dice que el avance podría conducir a sistemas de medición de la calidad del agua más precisos y receptivos, lo que a su vez podría mejorar el acceso al agua limpia en todo el mundo.

Más barato y más eficiente

El equipo de investigación, dirigido por el Dr. Son Moon, creó un modelo de bosque aleatorio, que es básicamente una técnica de aprendizaje automático adecuada para problemas de regresión. El modelo se aplicó para predecir las concentraciones de iones en tecnologías de tratamiento electroquímico del agua. El sistema de IA pudo predecir tanto la conductividad eléctrica del agua tratada como la concentración de iones específicos como sodio, potasio, calcio y cloruro con una "precisión impresionante".

Los investigadores dijeron que uno de los principales beneficios de este modelo de IA es su eficiencia. A diferencia de los modelos de aprendizaje profundo más complejos, el modelo de bosque aleatorio utilizado requiere significativamente menos recursos informáticos, hasta 100 veces menos, de hecho. Esto lo convierte en una solución más rentable para las instalaciones de tratamiento de agua.

Sin embargo, el modelo requiere actualizaciones periódicas para mantener su precisión y la investigación sugiere que se deben tomar mediciones cada 20 a 80 segundos para garantizar un seguimiento confiable de las concentraciones de iones.

“La importancia de esta investigación no radica únicamente en el desarrollo de un nuevo modelo de IA, sino también en su posible aplicación en el sistema nacional de gestión de la calidad del agua”, afirmó el Dr. Son Moon.

Se cree que las implicaciones de la investigación podrían ser de gran alcance. Por ejemplo, al integrar esta tecnología de IA en las redes nacionales de calidad del agua, los sistemas hídricos podrían responder mucho mejor a los cambios en la calidad y la demanda del agua, lo que ayudaría a reducir los costos asociados a la escasez de agua y a mejorar el acceso al agua para millones de personas.

Fuentes y referencias de la noticia:

- Water Research, KIST and Yeongnam University. 2024.

- 1 in 3 people globally do not have access to safe drinking water, WHO.