Aprendizaje automático y estudios mecanicistas sobre la remediación de p‑nitrofeno mediante carbón activado sostenible

Convertir cáscaras de frutos secos en depuradores de agua

Muchos productos cotidianos —desde pesticidas y colorantes hasta explosivos y medicamentos— dejan trazas químicas persistentes en el agua. Uno de esos compuestos, el p‑nitrofeno, es tóxico, de larga persistencia y está catalogado como contaminante prioritario. Este estudio explora una vía ingeniosa para atraparlo y eliminarlo del agua usando carbón activado obtenido de cáscaras de pistacho desechadas, y aplica herramientas modernas de aprendizaje automático para entender y predecir la eficacia de este método de limpieza.

Por qué es difícil eliminar este contaminante

El p‑nitrofeno se utiliza ampliamente en la industria y la agricultura, y llega a ríos, lagos y aguas subterráneas a través de vertidos industriales, residuos de laboratorio y escorrentías agrícolas. Una vez en el agua, es notablemente persistente: resiste la degradación en condiciones tanto ácidas como alcalinas y puede permanecer durante largos periodos, representando riesgos para la vida acuática y la salud humana. Los métodos de tratamiento existentes —como la oxidación avanzada, la fotocatálisis, la biodegradación y la filtración por membranas— pueden eliminarlo en el laboratorio, pero a menudo resultan costosos, delicados o difíciles de escalar en aguas residuales reales. Las membranas se obstruyen, los catalizadores se degradan y los reactivos especializados aumentan los costes operativos, lo que subraya la necesidad de soluciones más simples, baratas y robustas.

De los residuos de pistacho a un filtro potente

Los investigadores convirtieron las cáscaras de Pistacia vera (pistacho) en un material filtrante de alto rendimiento transformándolas en carbón activado. Las cáscaras se limpiaron, se mezclaron con ácido fosfórico, se calentaron a una temperatura relativamente baja y luego se lavaron y secaron. Este tratamiento produjo un carbono con un área superficial interna muy grande y un laberinto de poros donde pueden alojarse las moléculas contaminantes. Imágenes detalladas y espectroscopía revelaron una estructura rugosa y altamente porosa, rica en grupos con oxígeno y con trazas de fósforo, características que ayudan a atraer y retener el p‑nitrofeno. En comparación con otros carbones activados fabricados a partir de orujo de oliva, huesos de dátil o cáscaras de naranja, el carbón de cáscara de pistacho ofreció tanto una gran área superficial como una de las mayores capacidades reportadas para capturar este contaminante.

Cómo se comporta el proceso de limpieza

Para evaluar el rendimiento práctico del material, el equipo lo agitó con soluciones de p‑nitrofeno variando el pH, la dosis, la concentración, la temperatura y el tiempo de contacto. Encontraron que condiciones ligeramente ácidas alrededor de pH 6 ofrecían la mejor eliminación, porque el contaminante permanece mayormente neutro y puede acercarse a la superficie del carbono sin una fuerte repulsión eléctrica. Aumentar la cantidad de carbono incrementó la eliminación total pero redujo la cantidad capturada por gramo, ya que algunos sitios quedaron sin usar. A niveles bajos de contaminante, el material limpiaba el agua rápidamente; a niveles más altos, la superficie se saturó y el rendimiento se estabilizó. Modelos matemáticos mostraron que el p‑nitrofeno forma esencialmente una monocapa sobre la superficie del carbono y que la velocidad de eliminación está gobernada por cuántos sitios libres permanecen disponibles. El análisis termodinámico indicó que el proceso es espontáneo, libera una cantidad moderada de calor y está dominado por fuerzas físicas relativamente suaves, favorecido por enlaces de hidrógeno y apilamiento entre los anillos aromáticos planos del contaminante y del carbono.

El aprendizaje automático como bola de cristal

Dado que todos estos factores interactúan de formas complejas, los investigadores entrenaron dos tipos de modelos de aprendizaje automático —una red neuronal artificial y un sistema de inferencia neuro‑difuso adaptativo— para predecir cuánto contaminante capturaría el carbono bajo distintas condiciones. Ambos modelos aprendieron a partir de 180 puntos de datos experimentales y luego se les pidió predecir resultados nuevos. Mientras que la red neuronal tuvo un buen desempeño, el modelo neuro‑difuso lo hizo aún mejor, reproduciendo las mediciones con muy alta precisión y bajo error. El análisis de sensibilidad usando este modelo reveló que el tiempo de contacto y la concentración inicial del contaminante son las palancas más influyentes, seguidas por la cantidad de carbono utilizada y el pH, con la temperatura desempeñando un papel menor.

Listo para el agua del mundo real

Más allá de soluciones limpias de laboratorio, el equipo probó el carbón de cáscara de pistacho en varias muestras de agua reales, incluyendo agua de río, lago, pozo y de grifo enriquecidas con p‑nitrofeno. Incluso en presencia de materia orgánica natural y sales disueltas que pueden competir por espacio en el carbono, el material eliminó de forma consistente una fracción sustancial del contaminante, en algunos casos rindiendo incluso mejor que en la solución control simple. El carbón pudo regenerarse con un lavado alcalino suave y reutilizarse al menos cinco veces conservando aproximadamente el 85 % de su capacidad original, lo que apunta a buena durabilidad y menores costes a largo plazo.

Un camino sencillo y ecológico hacia aguas más limpias

En términos sencillos, este trabajo demuestra que un residuo alimentario común —las cáscaras de pistacho— puede convertirse en un filtro potente para un contaminante de agua difícil y peligroso. El proceso es energéticamente eficiente, utiliza un agente activante relativamente benigno y transforma un subproducto agrícola en una herramienta valiosa de descontaminación. Combinado con modelos de aprendizaje automático que predicen el rendimiento de forma fiable y señalan las variables operativas más importantes, este enfoque ofrece una opción práctica, de bajo coste y sostenible para proteger las vías fluviales del p‑nitrofeno y de contaminantes similares.

Cita: Kodandoor, A., Murugesan, G., Varadavenkatesan, T. et al. Machine learning and mechanistic studies on p-nitrophenol remediation using sustainable activated carbon. Sci Rep 16, 12153 (2026). https://doi.org/10.1038/s41598-026-42718-2

Palabras clave: carbón activado, adsorbente de cáscara de pistacho, eliminación de p‑nitrofeno, tratamiento de aguas residuales, aprendizaje automático en adsorción