Anaerobik membran biyoreaktör tesislerinde viral partiküllerin tahmini ve uzaklaştırma verimliklerinin değerlendirilmesi için model genelleme paradigmaları

Daha temiz geri dönüştürülmüş su neden önemli

Kentler ısınan ve büyüyen dünyada yeni su kaynakları ararken, geri dönüştürülmüş atık su günlük musluğun bir parçası hâline geliyor. Ancak gelişmiş arıtmadan sonra bile küçük virüsler kaçabiliyor; bu da sağlık ve güvenlik açısından endişe yaratıyor. Bu çalışma, yapay zekânın tesiste gerçek zamanlı olarak gözetleyen bir "yumuşak sensör" gibi davranıp viral kirlenmedeki değişiklikleri işaretleyebileceğini ve yeniden kullanılan suyun güvenli kaldığını doğrulayabileceğini araştırıyor.

Hareketli bir hedefi anlamak

Atık su arıtma tesisleri istikrarlı olmaktan çok uzak. İçeri giren evsel ve endüstriyel atık karışımı saat bazında değişir ve filtrelerin, membranların performansı zaman içinde kayabilir. Suda virüsleri ölçmek için kullanılan geleneksel laboratuvar yöntemleri yavaş ve emek yoğundur: örnekler alınmalı, taşınmalı ve analiz edilmeli; bu da genellikle su çoktan deşarj edilip yeniden kullanılmadan günler sonra gerçekleşir. Bu gecikme, operatörlerin virüs seviyeleri yükselmeye başlarsa hızlı tepki vermesini zorlaştırır. Yazarlar, mikroorganizmalar ve ince gözenekli membranlar kullanarak atık suyu arıtan ve aynı zamanda enerji üreten anaerobik membran biyoreaktörlere odaklanıyor. Bu tesisler birçok patojeni uzaklaştırabilir, ancak bunların anlık olarak ne kadar iyi çalıştığını izlemek büyük bir zorluktur.

Bilgisayarlara virüs aramayı öğretmek

Virüsleri doğrudan sürekli ölçmek yerine ekip, pH, bulanıklık, tuz içeriği ve besin düzeyleri gibi basit, kolay elde edilebilen su kalitesi okumalarından viral düzeyleri çıkarsamak için makine öğrenimi modelleri eğitti. Suudi Arabistan’daki iki farklı anaerobik membran tesisinde çalıştılar: bir üniversitede belediye pilot tesisi ve daha büyük, karışık belediye–endüstriyel bir tesis. Gerçek örneklerin sayısının az olması sorununu aşmak için araştırmacılar, gerçek tesislerin davranışını taklit eden gerçekçi sentetik veri setleri oluşturmak üzere üç veri "üreticisi" kullandı. Bu zenginleştirilmiş veri kümeleri iki gelişmiş öğrenme stratejisini besledi: yeni veriler geldikçe sürekli uyum sağlayan bir "ömür boyu" model ve virüs konsantrasyonlarını tahmin ederken en bilgilendirici sinyallere ve zaman noktalarına odaklanmayı öğrenen bir "attention" (dikkat) modeli.

Aritma hattı boyunca virüsleri izlemek

Modellerden, insan adenovirüsleri ve fekal kirliliğin yaygın viral belirteçleri dahil olmak üzere birkaç önemli viral hedefin varlığını arıtma sürecinin farklı noktalarında tahmin etmeleri istendi. Daha sonra ham kanalizasyon ile arıtılmış eflluent arasındaki virüs düzeylerinin kaç kat azaldığını ifade eden log uzaklaştırma değerini (log removal value) hesapladılar. Her iki tesis ve birden çok arıtma aşaması genelinde sanal yumuşak sensörler laboratuvar ölçümleriyle yakından eşleşti ve genellikle virüs düzeylerindeki varyasyonun %90’ından fazlasını açıklıyordu. Sistemler adenovirüs ve pepper mild mottle virus’un güçlü uzaklaştırılmasını ve toplam virüs sayılarında daha mütevazı azalmaları doğru yakaladı. Kritik olarak, modeller eğitildikleri tesisten farklı bir tesisten gelen verilere uygulandığında veya farklı bir arıtma aşamasının performansını tahmin ederken bile doğruluklarını korudular.

Yeni tesislere ve değişen koşullara uyum sağlamak

Bu çalışmanın temel başarılarından biri sağlamlık. Bir üniversite kampüsünden gelen atık su ile bir endüstri bölgesinden gelen atık su çok farklı görünse de aynı modelleme çerçeveleri yalnızca küçük ayarlamalarla birbirlerine aktarılabildi. Ömür boyu öğrenme yaklaşımı, yeni veri partileri geldikçe kendini sürekli güncellemede ve baştan yeniden eğitilmeye ihtiyaç duymadan başarılı oldu. Dikkat tabanlı yaklaşım ise güvenilir tahmin için hangi su kalitesi sinyallerinin ve zaman pencerelerinin en önemli olduğunu vurguladı ve tamamen yeni veri kümelerinde yeniden kullanılabildi. Her iki yaklaşım da zamanla tesis davranışındaki doğal "drift"i (kaymayı) ele aldı; bu da işletme koşulları, giriş karışımları veya hatta iklim desenleri değiştikçe takip edebileceklerini düşündürüyor.

Daha güvenli su yeniden kullanımı için anlamı

Uzman olmayanlar için sonuç şu: bu çalışma, gelişmiş atık su arıtma tesislerinde sürekli, pahalı laboratuvar testlerine ihtiyaç duymadan pratik, gerçek zamanlı virüs izlemesine bizi daha da yaklaştırıyor. Kolay ölçülen su kalitesi sinyallerinden öğrenerek, bu akıllı yumuşak sensörler yüksek doğrulukla virüs düzeylerini ve uzaklaştırma verimliliğini tahmin edebilir, performans düşerse operatörleri uyarabilir ve geri kazanılmış suyun güvenlik hedeflerini karşıladığını doğrulamada düzenleyicilere yardımcı olabilir. Bu tür araçlar daha fazla kirletici ve tesis türüne genişletilip iyileştirildikçe, su kıtlığı çeken bölgelerde güvenli ve sürdürülebilir su yeniden kullanımının temel taşlarından biri hâline gelebilir.

Atıf: Chen, J., N’Doye, I., Sanchez Medina, J. et al. Model generalization paradigms for predicting viral particles and evaluating removal efficiencies in anaerobic membrane bioreactor plants. npj Emerg. Contam. 2, 10 (2026). https://doi.org/10.1038/s44454-026-00030-8

Anahtar kelimeler: atık su yeniden kullanımı, virüs izlemesi, makine öğrenimi, membran biyoreaktörler, su kalitesi