人工智能优化废水转化路径，实现可规模化的绿色氢气产出

图：化废为能：机器学习与可解释人工智能在确定废水制氢转化关键因素中的应用

一项国际研究工作运用机器学习工具，完善将处理后的废水作为低碳制氢可靠原料的方式。

科学家通过人工智能优化废水用于绿色制氢的过程。

Ø  马拉加大学参与了这一国际项目，项目研究人员来自越南、韩国、印度和中国台湾。

马拉加大学无机化学系与化学工程系的科学家参与了一项国际合作，通过人工智能优化了利用废水生产生物氢（bio-hydrogen）的过程。

该合作由来自越南、韩国、印度和中国台湾等国家和地区的研究人员组成，并获得 ACOSOL 公司、Unicaja 基金会（Fundación Unicaja）以及国家研究署（西班牙科学、创新与大学部）资助。

本研究作者之一、理学院教授恩里克·罗德里格斯·卡斯特利翁（Enrique Rodríguez Castellón）表示：“开发废水利用与增值（valorization）的工艺，对于提升水资源可持续性并保护环境是必要的。”他还补充说，氢气是“化工与冶金工业中的一种必不可少的原材料，也是脱碳过程中的关键能源载体”。

因此，正如这项发表在《Energy》科学期刊上的研究所指出的那样，利用废水生产绿色氢气——被认为是未来的燃料——是一种具有巨大潜力的可持续工艺，因为它有助于节约饮用水、优化废弃物利用并减少化石资源的使用。

新路径

这项研究成功优化了该工艺的效率。该工艺通过“暗发酵”（dark fermentation）实现——一种利用厌氧微生物分解废水中有机物以产生生物氢的方法——不过迄今为止，其效率仍受多种变量影响，这些变量也限制了其商业化应用。

因此，人工智能与机器学习的引入，为构建预测模型、提升暗发酵等化学过程开辟了新路径。罗德里格斯·卡斯特利翁表示：“这些模型有助于识别并学习规律，从而提高预测精度与系统控制能力。”

一种新方法

该国际联盟的研究证明，通过开发该过程的预测模型来提升效率是可行的：既可对流程进行精细调参，又能节省时间与成本。

此外，研究描述了一种新颖的人工智能辅助方法，有望取代更传统的方法：它使用真实世界的测试数据来构建预测模型。同时，该方法还用于优化能量回收并尽量减少过程产生的有机废弃物，从而提升整体可持续性。

本研究在马拉加大学（UMA）多项研究项目背景下开展：包括由 ACOSOL 公司资助的水资源优化项目、由 Unicaja 基金会资助的氢气生产与脱碳项目，以及由国家研究署和欧洲项目“‘H2 Excellence’”资助的相关研究。化学工程系的奥尔加·格雷罗·佩雷斯（Olga Guerrero Pérez）教授与玛丽亚·克鲁斯·洛佩斯·埃斯卡兰特（M. Cruz López Escalante）教授是该研究的另外两位 UMA 作者。

参考文献：
Anh Tuan Hoang, Wei-Hsin Chen, M. Olga Guerrero-Pérez, Enrique-Rodríguez Castellón, María Cruz López-Escalante, Van Nhanh Nguyen, Prabhu Paramasivam, Xuan Phuong Nguyen, Thanh Hai Truong (2026) 化废为能：机器学习与可解释人工智能在确定废水制氢转化关键因素中的应用，Energy，卷 344，139934，ISSN 0360-5442，https://doi.org/10.1016/j.energy.2026.139934。

翻译人：沈亚皓

来源：https://fuelcellsworks.com/2026/01/31/h2/ai-sharpens-wastewater-pathways-for-scalable-green-hydrogen-output