人工智能優化廢水轉化路徑，實現可規模化的綠色氫氣產出

圖：化廢為能：機器學習與可解釋人工智能在確定廢水製氫轉化關鍵因素中的應用

一項國際研究工作運用機器學習工具，完善將處理後的廢水作為低碳製氫可靠原料的方式。

科學家通過人工智能優化廢水用於綠色製氫的過程。

Ø  馬拉加大學參與了這一國際項目
，項目研究人員來自越南

、韓國、印度和中國台灣。

馬拉加大學無機化學係與化學工程係的科學家參與了一項國際合作，通過人工智能優化了利用廢水生產生物氫（bio-hydrogen）的過程。

該合作由來自越南、韓國、印度和中國台灣等國家和地區的研究人員組成
，並獲得 ACOSOL 公司

、Unicaja 基金會（Fundación Unicaja）以及國家研究署（西班牙科學、創新與大學部）資助。

本研究作者之一、理學院教授恩裏克·羅德裏格斯·卡斯特利翁（Enrique Rodríguez Castellón）表示：“開發廢水利用與增值（valorization）的工藝，對於提升水資源可持續性並保護環境是必要的。”他還補充說，氫氣是“化工與冶金工業中的一種必不可少的原材料
，也是脫碳過程中的關鍵能源載體”。

因此，正如這項發表在《Energy》科學期刊上的研究所指出的那樣，利用廢水生產綠色氫氣——被認為是未來的燃料——是一種具有巨大潛力的可持續工藝，因為它有助於節約飲用水、優化廢棄物利用並減少化石資源的使用。

新路徑

這項研究成功優化了該工藝的效率。該工藝通過“暗發酵”（dark fermentation）實現——一種利用厭氧微生物分解廢水中有機物以產生生物氫的方法——不過迄今為止，其效率仍受多種變量影響，這些變量也限製了其商業化應用。

因此，人工智能與機器學習的引入

，為構建預測模型、提升暗發酵等化學過程開辟了新路徑。羅德裏格斯·卡斯特利翁表示：“這些模型有助於識別並學習規律
，從而提高預測精度與係統控製能力。”

一種新方法

該國際聯盟的研究證明，通過開發該過程的預測模型來提升效率是可行的：既可對流程進行精細調參
，又能節省時間與成本。

此外
，研究描述了一種新穎的人工智能輔助方法，有望取代更傳統的方法：它ta使shi用yong真zhen實shi世shi界jie的de測ce試shi數shu據ju來lai構gou建jian預yu測ce模mo型xing。同tong時shi，該gai方fang法fa還hai用yong於yu優you化hua能neng量liang回hui收shou並bing盡jin量liang減jian少shao過guo程cheng產chan生sheng的de有you機ji廢fei棄qi物wu，從cong而er提ti升sheng整zheng體ti可ke持chi續xu性xing。

本研究在馬拉加大學（UMA）多項研究項目背景下開展：包括由 ACOSOL 公司資助的水資源優化項目
、由 Unicaja 基金會資助的氫氣生產與脫碳項目
，以及由國家研究署和歐洲項目“‘H2 Excellence’”資助的相關研究。化學工程係的奧爾加·格雷羅·佩雷斯（Olga Guerrero Pérez）教授與瑪麗亞·克魯斯·洛佩斯·埃斯卡蘭特（M. Cruz López Escalante）教授是該研究的另外兩位 UMA 作者。

參考文獻：
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) 化廢為能：機器學習與可解釋人工智能在確定廢水製氫轉化關鍵因素中的應用
，Energy
，卷 344，139934，ISSN 0360-5442，https://doi.org/10.1016/j.energy.2026.139934。

翻譯人：沈亞皓

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