La gestión de residuos radiactivos es uno de los principales retos del uso de la energía nuclear. En particular, el yodo radiactivo supone graves riesgos ambientales y para la salud debido a su larga vida media (15,7 millones de años en el caso del I-129), su alta movilidad y su toxicidad para los organismos vivos. Un equipo de investigación coreano ha utilizado con éxito la inteligencia artificial para descubrir un nuevo material capaz de eliminar el yodo para la remediación ambiental nuclear. El equipo planea impulsar su comercialización mediante diversas colaboraciones entre la industria y el mundo académico, desde polvos adsorbentes de yodo hasta filtros para el tratamiento de aguas contaminadas.
KAIST (Presidente Kwang Hyung Lee) anunció el 2 de julio que el equipo de investigación del Profesor Ho Jin Ryu del Departamento de Ingeniería Nuclear y Cuántica, en colaboración con el Dr. Juhwan Noh del Centro de Investigación de Química Digital en el Instituto de Investigación de Tecnología Química de Corea (KRICT, Presidente Young Kook Lee), que opera bajo el Consejo Nacional de Investigación de Ciencia y Tecnología (NST, Presidente Youngsik Kim), desarrolló una técnica que utiliza IA para descubrir nuevos materiales que eliminan eficazmente los contaminantes de yodo radiactivo.
Estudios recientes demuestran que el yodo radiactivo se encuentra principalmente en entornos acuosos en forma de yodato (IO₃⁻). Sin embargo, los adsorbentes a base de plata existentes presentan una baja capacidad de adsorción química para el yodato, lo que los hace ineficientes. Por lo tanto, es imperativo desarrollar nuevos materiales adsorbentes que puedan eliminar el yodato eficazmente.
El equipo del profesor Ho Jin Ryu utilizó una estrategia experimental basada en el aprendizaje automático para identificar adsorbentes de yodato óptimos entre compuestos llamados hidróxidos dobles estratificados (LDH), que contienen varios elementos metálicos.
El LDH multimetálico desarrollado en este estudio (Cu₃(CrFeAl), basado en cobre, cromo, hierro y aluminio), mostró un rendimiento de adsorción excepcional, eliminando más del 90 % del yodato. Este logro fue posible gracias a la exploración eficiente de un amplio espacio compositivo mediante aprendizaje activo basado en IA, algo que sería difícil de buscar mediante experimentos convencionales de prueba y error.
Imagen 2. Concepto de tecnología basada en IA desarrollada para la exploración de nuevos materiales para la eliminación de contaminación radiactiva.
El equipo de investigación se centró en que los LDH, al igual que los materiales de alta entropía, pueden incorporar una amplia gama de composiciones metálicas y poseen estructuras favorables para la adsorción de aniones. Sin embargo, debido a la gran cantidad de posibles combinaciones metálicas en los LDH multimetálicos, identificar la composición óptima mediante métodos experimentales tradicionales ha sido prácticamente imposible.
Para superar esto, el equipo empleó IA (aprendizaje automático). Partiendo de datos experimentales de 24 composiciones binarias y 96 ternarias de LDH, ampliaron su búsqueda para incluir candidatos cuaternarios y quinarios. Como resultado, lograron descubrir el material óptimo para la eliminación de yodato analizando solo el 16 % del total de materiales candidatos.
El profesor Ho Jin Ryu afirmó: «Este estudio demuestra el potencial del uso de la inteligencia artificial para identificar eficazmente materiales de descontaminación radiactiva entre un amplio abanico de nuevos candidatos, lo que se espera que acelere la investigación para el desarrollo de nuevos materiales para la limpieza ambiental nuclear».
El equipo de investigación ha presentado una solicitud de patente nacional para la tecnología de polvo desarrollada y actualmente está tramitando una solicitud de patente internacional. Planean mejorar el rendimiento del material en diversas condiciones y promover su comercialización mediante la cooperación entre la industria y el mundo académico en el desarrollo de filtros para el tratamiento de agua contaminada.
El Dr. Sujeong Lee, graduado del Departamento de Ciencia e Ingeniería de Materiales del KAIST, y el Dr. Juhwan Noh, del Centro de Investigación de Química Digital del KRICT, participaron como coautores principales del estudio. Los resultados se publicaron en línea el 26 de mayo en la revista ambiental de renombre internacional Journal of Hazardous Materials . ※ Título del artículo: Descubrimiento de hidróxidos dobles multicapa de metal para la descontaminación de yodato mediante experimentos asistidos por aprendizaje automático ※ DOI:
https://doi.org/10.1016/j.jhazmat.2025.138735
Esta investigación fue apoyada por el Programa de Infraestructura de Investigación de Energía Nuclear y el Programa de Desarrollo de Tecnología de Nanomateriales financiado por el Ministerio de Ciencia y TIC y la Fundación Nacional de Investigación de Corea.
KAIST News. Traducido al español
