Nogle af Danmarks førende eksperter i at fjerne PFAS vil nu kombinere deres viden med kunstig intelligens i et nyt forskningsprojekt. Formålet er at udvikle og forfine en ny rense-teknologi til spildevand og drikkevand ved at integrere kunstig intelligens.
Forskere fra Aarhus Universitet går sammen i et forsknings- og udviklingsprojekt for at skabe en ny teknologi, der kan opsamle og nedbryde de vedvarende PFAS-kemikalier i én samlet proces. Denne rense-teknologi kan direkte anvendes på steder som drikkevands-boringer og ved rensningsanlæg.
Villumfonden, der er ejet af VKR Holding AS, støtter projektet med 3 millioner kroner, der skal samle nyudviklet teknologi til oprensning af PFAS med kunstig intelligens. Målet er at sikre en så optimal oprensning som muligt.
Lektor Xuping Zhang fra Aarhus Universitets Institut for Mekanik og Produktion, der leder projektet sammen med lektor Zongsu Wei fra Institut for Bio- og Kemiteknologi, forklarer, at målet er at skabe en automatiseret teknologi til kontinuerlig nedbrydning af PFAS. Samtidig vil de opbygge en database for at identificere vigtige faktorer for nedbrydnings-reaktioner med PFAS-molekyler i reaktoren.
PFAS, som er blevet anvendt siden 1940’erne i produkter som regntøj og byggematerialer, har vist sig at være skadelige for både mennesker og miljø. Disse stoffer er yderst vanskelige at nedbryde naturligt og opsamles samt akkumuleres derfor i miljøet og organismer.
I Danmark er PFAS blevet fundet i drikkevandsboringer, havoverflader, jord på brandøvelsespladser og endda i økologiske æg. Filtre i dag kan fjerne PFAS fra vandet midlertidigt, men kan ikke destruerer det. Derfor arbejdes der på at udvikle teknologier, der permanent kan fjerne PFAS fra forurenede drikkevandsboringer.
Aktuelle metoder til filtrering af PFAS fra drikkevandet bruger aktivt kul-filter, ionbytnings-filter eller specialdesignede membraner. Disse metoder filtrerer PFAS, men ødelægger det ikke. Projektet sigter mod at udvikle en permanent løsning, der konstant kan opsamle og nedbryde PFAS, og samtidig være selvovervågende ved hjælp af kunstig intelligens.
