Uso de Aprendizado de Máquina na Eletrossíntese de H2O2 e em Sensores Eletroanalíticos para Aplicações Ambientais

• Processo: 24/03972-8
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de setembro de 2024
• Data de Término da vigência: 31 de agosto de 2026
• Área de conhecimento: Engenharias - Engenharia Sanitária - Tratamentos de Águas de Abastecimento e Residuárias
• Pesquisador responsável: Marcos Roberto de Vasconcelos Lanza
• Beneficiário: Augusto Duarte Alvarenga
• Instituição Sede: Instituto de Química de São Carlos (IQSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Sistemas autônomos
• Palavra(s)-Chave do Pesquisador: Catalisadores a base de carbono | Eletrólise catódica | Eletroprodução de peróxido de hidrogênio | machine learning | Sensor de impedância elétrica | Sistemas Autônomos | Técnicas avançadas de tratamento de águas residuárias

Resumo

Este projeto de pós-doutorado visa desenvolver um sistema autônomo de produção de peróxido de hidrogênio (H2O2) in situ, utilizando técnicas avançadas de machine learning (ML). A abordagem proposta concentra-se na otimização de catalisadores catódicos à base de carbono por meio de Redes Neurais, incorporando informações relacionadas às características morfológicas e físico-químicas do catalisador, condições de síntese e operação do reator eletroquímico. A modelagem em RN será fundamentada em parâmetros como nível de defeito na rede carbônica, hidrofilicidade, configuração da rede carbônica, presença de heteroátomos e dopantes, área superficial, porosidade, tamanho e volume dos poros, rugosidade e seletividade de produção de H2O2, eficiência faradáica, forças de adsorção e variações nas condições operacionais do reator eletroquímico e síntese do catalisador. A metodologia incluirá a produção de catalisadores com características otimizadas, seguida por testes em diferentes reatores sob diversas condições operacionais e níveis de matéria orgânica a serem oxidados pelo H2O2. A previsibilidade da produção de H2O2 será aprimorada por meio de ferramentas de ML, possibilitando a determinação da quantidade necessária de H2O2 para oxidar um determinado volume de matéria orgânica. Além disso, será desenvolvido um sensor de matéria orgânica com base em testes de impedância elétrica em tempo real para controlar a corrente do reator eletroquímico e assim a produção de H2O2. O projeto também empregará técnicas adicionais, como árvores de decisão, análises de componentes principais e clusterização. Ao final, espera-se obter um protótipo de sistema autônomo capaz de produzir H2O2 de forma preditiva, respondendo dinamicamente ao nível de matéria orgânica presente na água, contribuindo assim para avanços significativos na área de tecnologias sustentáveis de tratamento de água.