Un modèle d'intelligence artificielle permet de produire de l'eau propre

Environ 2,2 milliards de personnes, soit plus d'un quart de la population mondiale, n'ont pas accès à une eau potable sûre et gérée, et près de la moitié de la population mondiale connaît une grave pénurie d'eau à un moment donné de l'année. Pour surmonter ces pénuries, des coûts socioéconomiques énormes sont consacrés à l'irrigation par égouts et à des sources d'eau alternatives telles que la réutilisation des eaux de pluie et le dessalement de l'eau de mer.

De plus, ces systèmes de distribution d'eau centralisés présentent l'inconvénient de ne pas pouvoir répondre immédiatement aux variations de la demande en eau. Par conséquent, on s'intéresse de plus en plus aux technologies de production d'eau décentralisées, qui sont des technologies électrochimiques faciles à adopter, telles que la déionisation capacitive et la déionisation par électrodes de batterie (également appelée déionisation faradique).

Cependant, les capteurs de mesure de la qualité de l’eau existants utilisés dans les technologies électrochimiques ne mesurent pas et ne suivent pas les ions individuels dans l’eau et présentent la limitation de pouvoir déduire approximativement les conditions de qualité de l’eau à partir de la conductivité électrique.

L'équipe de recherche du Dr Son Moon au Centre de recherche sur le cycle des ressources en eau de l'Institut coréen des sciences et technologies (KIST), en collaboration avec l'équipe du professeur Baek Sang-Soo de l'Université Yeongnam, a développé une technologie qui utilise l'intelligence artificielle basée sur les données pour prédire avec précision la concentration d'ions dans l'eau pendant les processus de traitement électrochimique de l'eau.

Leur article est publié dans la revue Recherche sur l'eau.

Les chercheurs ont d’abord construit un modèle de forêt aléatoire, une technique d’apprentissage automatique basée sur les arbres utilisée pour les problèmes de régression, puis l’ont appliqué pour prédire les concentrations d’ions dans les technologies de traitement électrochimique de l’eau.

Le modèle d'intelligence artificielle basé sur la forêt aléatoire développé a pu prédire avec précision la conductivité électrique de l'eau traitée et la concentration de chaque ion (Na⁺K⁺Californie²⁺et Cl^–) (R²=~0,9).

Ils ont également constaté que des mises à jour étaient nécessaires toutes les 20 à 80 secondes environ pour améliorer la précision des prévisions, ce qui signifie que pour appliquer cette technique aux réseaux nationaux de qualité de l’eau afin de suivre des ions spécifiques, il est nécessaire de mesurer la qualité de l’eau au moins toutes les minutes pour former le modèle initial.

Le modèle de forêt aléatoire utilisé dans cette étude présente l’avantage d’être économiquement supérieur aux modèles complexes d’apprentissage profond, nécessitant plus de 100 fois moins de ressources informatiques pour s’entraîner.

« L’importance de cette recherche réside non seulement dans le développement d’un nouveau modèle d’IA, mais aussi dans son application au système national de gestion de la qualité de l’eau », a déclaré le Dr Moon. « Grâce à cette technologie, la concentration des ions individuels peut être surveillée avec plus de précision, contribuant ainsi à l’amélioration du bien-être social de l’eau. »