Более четверти населения Земли не имеют доступа к безопасной питьевой воде, а примерно половина испытывает острую нехватку воды в течение года. Для преодоления этого дефицита требуются огромные социально-экономические затраты на альтернативные источники воды и канализационное орошение.

Централизованные системы водораспределения не могут мгновенно реагировать на изменения спроса на воду. Растёт интерес к децентрализованному производству воды с помощью электрохимических технологий, таких как ёмкостная деионизация и деионизация с помощью батарейных электродов. Существующие датчики для измерения качества воды в электрохимических технологиях имеют ограничение: они определяют качество воды только по электропроводности, не измеряя отдельные ионы.

Исследовательская группа доктора Сон Муна из Корейского института науки и технологий (KIST) совместно с группой профессора Пэк Сан Су из Университета Ённам разработала технологию прогнозирования концентрации ионов в воде при электрохимической обработке.

Для этого они использовали модель случайного леса — метод машинного обучения, основанный на данных.

Модель искусственного интеллекта на основе случайного леса точно предсказывает электропроводность очищенной воды и концентрацию ионов (Na⁺, K⁺, Ca2⁺ и Cl-) (R²=~0,9). Точность прогноза повышается, если обновлять данные каждые 20–80 секунд. Это значит, что для применения этой методики в национальных сетях качества воды нужно измерять качество воды каждую минуту, чтобы обучить начальную модель.

Преимущество модели случайного леса в том, что она требует меньше вычислительных ресурсов для обучения, чем сложные модели глубокого обучения — более чем в 100 раз.

Доктор Сон Мун из KIST говорит, что это исследование полезно не только разработкой новой модели ИИ, но и применением этой модели в национальной системе управления качеством воды.

Технология позволит более точно отслеживать концентрацию отдельных ионов, что улучшит благосостояние общества.

Результаты опубликованы в издании Water Research.