Машинное обучение и механистические исследования очистки п‑нитрофенола с использованием устойчивого активированного угля

Преобразование ореховой скорлупы в очиститель воды

Многие повседневные продукты — от пестицидов и красителей до взрывчатых веществ и фармацевтики — оставляют стойкие химические следы в воде. Одно из таких соединений, п‑нитрофенол, токсично, долго сохраняется в среде и официально признано приоритетным загрязнителем. В этом исследовании предлагается изобретательный способ улавливания и удаления п‑нитрофенола из воды с помощью активированного угля, полученного из отходов скорлупы фисташек, а также применяются современные методы машинного обучения для понимания и прогнозирования эффективности такого очищения.

Почему этот загрязнитель трудно удалить

П‑нитрофенол широко используется в промышленности и сельском хозяйстве и попадает в реки, озёра и грунтовые воды через промышленные стоки, лабораторные отходы и сельскохозяйственный сток. Попав в водную среду, он проявляет высокую стойкость: устойчив к распаду как в кислых, так и в щелочных условиях и может сохраняться длительное время, создавая риски для водной биоты и здоровья человека. Существующие методы обработки — такие как передовая окислительная обработка, фотокатализ, биодеградация и мембранная фильтрация — демонстрируют эффективность в лаборатории, но часто оказываются дорогими, требовательными или сложными для масштабирования в реальных сточных водах. Мембраны загрязняются, катализаторы деградируют, а специализированные реагенты увеличивают эксплуатационные расходы, что подчёркивает потребность в более простых, дешёвых и надёжных решениях.

От фисташковых отходов к эффективному фильтру

Исследователи превратили отходы Pistacia vera (фисташки) в высокоэффективный фильтрующий материал, преобразовав скорлупу в активированный уголь. Скорлупу очищали, обрабатывали фосфорной кислотой, нагревали при относительно низкой температуре, затем промывали и сушили. Такая обработка дала углерод с очень большой удельной поверхностью и сетью пор, где могут задерживаться молекулы загрязнителя. Детальная визуализация и спектроскопия показали шероховатую, сильно пористую структуру, богатую кислородсодержащими группами и следами фосфора — признаки, способствующие притяжению и удержанию п‑нитрофенола. По сравнению с другими активированными углями, полученными из оливкового жмыха, косточек финика или апельсиновой кожуры, уголь из фисташковой скорлупы продемонстрировал и высокую площадь поверхности, и одну из наивысших известных ёмкостей по захвату этого загрязнителя.

Как ведёт себя процесс очистки

Чтобы оценить практическую эффективность материала, команда перемешивала его с растворами п‑нитрофенола, изменяя pH, дозировку, концентрацию, температуру и время контакта. Они выяснили, что слегка кислые условия около pH 6 обеспечивают наилучшее удаление, поскольку загрязнитель остаётся преимущественно нейтральным и может подходить к поверхности угля без сильного электрического отталкивания. Увеличение количества угля повышало общий уровень удаления, но снижало количество захватываемого вещества на грамм, так как часть доступных сорбционных центров оставалась незанятой. При низких концентрациях загрязнителя материал быстро очищал воду; при более высоких концентрациях поверхности заполнялись и эффективность выравнивалась. Математические модели показали, что п‑нитрофенол фактически формирует единый монослой на поверхности угля, а скорость удаления определяется количеством свободных доступных сайтов. Термодинамический анализ указал, что процесс является спонтанным, выделяет умеренное количество тепла и в основном управляется относительно мягкими физическими взаимодействиями, дополненными водородными связями и стэкингом между плоскими ароматическими кольцами молекулы загрязнителя и углеродной матрицы.

Машинное обучение как хрустальный шар

Поскольку все эти факторы взаимодействуют сложным образом, исследователи обучили два типа моделей машинного обучения — искусственную нейронную сеть и адаптивную нейро‑нечёткую систему вывода — для прогнозирования того, сколько загрязнителя уголь способен захватить при различных условиях. Обе модели обучались на 180 экспериментальных точках данных, а затем предсказывали новые результаты. Если нейронная сеть показала хорошую работу, то нейро‑нечёткая модель оказалась ещё точнее, воспроизводя измерения с очень высокой точностью и низкой ошибкой. Анализ чувствительности с использованием этой модели выявил, что время контакта и начальная концентрация загрязнителя являются наиболее влиятельными параметрами, затем идут количество используемого угля и pH, а температура играет меньшую роль.

Готовность к реальной воде

Помимо чистых лабораторных растворов, команда протестировала уголь из фисташковой скорлупы в нескольких образцах реальной воды, включая речную, озёрную, колодезную и водопроводную воду, подмешанную п‑нитрофенолом. Даже в присутствии природного органического вещества и растворённых солей, которые могут конкурировать за сорбционные места на угле, материал последовательно удалял значительную долю загрязнителя, в некоторых случаях работая даже лучше, чем в простом контрольном растворе. Уголь можно было регенерировать мягким щелочным промыванием и повторно использовать как минимум пять раз, сохраняя примерно 85% первоначальной ёмкости, что указывает на хорошую долговечность и снижение долгосрочных затрат.

Простой и экологичный путь к чище воде

Проще говоря, эта работа демонстрирует, что обычный пищевой отход — скорлупа фисташек — может быть переработан в мощный фильтр для трудноподдающегося и опасного водного загрязнителя. Процесс энергоэффективен, использует относительно безопасный активирующий агент и превращает сельскохозяйственный побочный продукт в ценный инструмент очистки. В сочетании с моделями машинного обучения, которые надёжно прогнозируют эффективность и выделяют наиболее важные регулируемые параметры, этот подход предлагает практичный, недорогой и устойчивый вариант защиты водоёмов от п‑нитрофенола и аналогичных загрязнителей.

Цитирование: 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

Ключевые слова: активированный уголь, адсорбент из скорлупы фисташки, удаление п‑нитрофенола, очистка сточных вод, машинное обучение адсорбция