基于ANN（人工神经网络）引导的多目标优化方法，用于SPEEK/MXene纳米复合膜在微生物燃料电池废水处理和能量回收中的应用

《Biochemical Engineering Journal》：ANN-guided multi-objective optimization of SPEEK/MXene nanocomposite membranes for microbial fuel cell wastewater treatment and energy recovery

　　

• •
  ANN替代模型结合MFC操作条件对SPEEK/MXene进行了加载研究。
• •
  同时预测了四种MFC输出参数：电流密度（PD）、CODr、电导率（CE）和内部电阻（RI）。
• •
  多目标网格搜索确定了最佳参数：MXene含量为4.2 wt%，COD为2300 mg/L，pH值为7.1。
• •
  验证实验显示出与ANN预测的结果平均一致性达到97.1%。
• •
  扫描电子显微镜（SEM）观察发现，在4.2 wt%的MXene含量下，纳米片分布均匀，表面沉积较少。

引言

随着对能够利用有机废物产生能量的废水处理系统的创新技术的需求增加，生物经济学家对该领域的兴趣也在上升。在这些技术中，具有质子交换膜的双室MFC（Membrane Electrochemical Cell）是最有前景的选择之一[1,2]。外电微生物在阳极室中分解有机底物，产生电子和质子。这些电子通过外部电路传输到阴极，而质子则通过质子交换膜（PEM）传递到阴极室，从而减少其中的氧气。因此，测量的电流与生物降解过程成正比。尽管已经进行了许多努力来改进MFC并使其商业化，但由于单位体积功率密度低、欧姆损耗和质量传递损失、膜成本高昂以及膜污染等问题，其实际应用仍然受到限制。这表明需要同时优化膜配方和操作参数，因为后者与微生物活性和质子传输之间存在相互作用[3],[4],[5]。此外，还有更多现代技术用于处理不同质量的废水，例如使用超声波进行高级氧化过程，这些技术专门设计用于应对不同的条件并促进有机污染物的分解[6]。

质子交换膜（PEM）是双室MFC的核心组件。它促进了质子从阳极到阴极的流动，分隔了阳极液和阴极液，并限制了底物的交叉和氧气的逆扩散。Nafion 117因其高质子导电性和化学稳定性而被广泛用作基准PEM。但其缺点包括成本高、对氧气具有渗透性、在高有机浓度下容易发生生物污染，以及非选择性的离子传输，使其不太适合用于废水处理型MFC[7,8]。因此，有必要开发成本低廉、机械稳定且抗生物污染的PEM替代材料[9]。其中一种可用于MFC的PEM替代材料是磺化聚醚醚酮（SPEEK）。SPEEK是通过在不同磺化程度下对PEEK进行磺化制备而成的，磺化程度取决于反应温度和反应时间。较高的磺化程度通常会通过形成亲水性磺酸基团来提高质子导电性，但过高的磺化会导致水分含量增加和膨胀，同时降低质子选择性[10,11]。因此，SPEEK无法同时完全解决这些问题，因为其导电性、尺寸稳定性和选择性难以同时实现。然而，向SPEEK中添加无机纳米填料可以在保持膜完整性的同时提高质子导电性并减少交叉现象[12,13]。

在所有现有的纳米填料中，Ti₃C₂T₃ MXene因其二维结构、亲水特性、高电导率以及许多表面官能团（如-OH、-F和=O）而具有吸引力。MXene纳米片可以为质子传输提供氢键通道，增强聚合物基质，并通过亲水表面排斥作用减少细菌附着[14,15]。这使得SPEEK/MXene膜成为提高MFC性能的可行候选材料。但需严格监控MXene的含量，因为过高的MXene含量可能导致纳米片聚集、孔堵塞和离子传输受阻[16],[17],[18]。目前关于SPEEK膜和MXene膜的研究大多集中在特定条件下的少数几种膜上[8,19,20]。同样，基于人工智能和软计算的研究也主要针对特定的膜或操作参数。然而，这两种方法之间缺乏联系。膜填料浓度、底物浓度和阳极pH值通常不会被包含在一个具有多个输出结果的实验验证模型中。这种排斥现象阻碍了对膜组成和条件对发电量、COD去除率、库仑效率和内部电阻影响的分析[16,21,22]。

为了解决这些问题，本文提出了一种用于双室MFC中SPEEK/MXene纳米复合PEM的替代模型，该模型使用人工神经网络（ANN）并将MXene含量、初始COD值和阳极pH值作为输入参数来预测电流密度（PD）、CODr、电导率（CE）和内部电阻（RI）。据作者所知，先前的研究均未将MXene含量作为设计参数纳入经过实验验证的多输出模型中，而这些模型将MXene-MXene复合材料与MFC的操作参数相关联。虽然现有的SPEEK和MXene膜研究是在恒定负载条件下探讨材料性能的，但基于AI的MFC研究则是在固定商业膜的基础上优化工艺参数[23]。本文提出的方法将这两种思路结合起来，并在完全排除模型过程中的ANN确定操作条件下进行了三次实验验证。本文的主要贡献如下：

1) 结合了膜组成和工艺参数的考虑，而不是分别处理SPEEK/MXene膜的制备和MFC的操作问题。

本文的其余部分如下：第2节解释了膜的生产过程、微生物燃料电池的工作原理、人工神经网络建模和多目标优化。第3节讨论了形态数据、模型精度、响应面、验证结果以及与文献的比较。第4节总结了本文并探讨了未来的工作方向。

章节摘录

膜制备

使用湿法逆相法制备了含有0%、1%、3%、5%和7% Ti₃C₂T₃ MXene的SPEEK/MXene膜。Ti₃C₂T₃ MXene（纯度99%，中国苏州贝克纳米技术有限公司提供，片状尺寸5微米，层间距0.98纳米）首先在N,N-二甲基甲酰胺中分散，过程中不加水，搅拌强度为500瓦特，频率为20千赫兹，持续时间为5分钟。超声处理在25摄氏度下进行，并使用冰浴防止溶剂升温。通过肉眼观察分散液的胶体稳定性。

膜形态

本研究使用扫描电子显微镜（SEM）研究了MXene含量对膜表面形态、孔结构、纳米片以及MFC测试后膜表面沉积的影响。这是一种定性测试，不能替代对质子导电性、离子交换容量、吸水率、 swelling（此处应为“swelling”，原文可能有误）和拉伸强度等性能的定量测试。此类分析对于未来研究中的传输机制和抗污染机制的验证是必要的。

结论

本文提出了一种基于人工神经网络（ANN）的多目标优化框架，并通过实验研究证实了在双室MFC中SPEEK/MXene纳米复合PEM的优化操作点。其新颖之处在于将材料制备过程与工艺参数相结合：同时优化MXene含量，并根据初始COD值和阳极pH值预测电流密度（PD）、CODr、电导率（CE）和内部电阻（RI）。在50个模型开发观察数据上训练的ANN模型显示平均R²值为0.923。

CRediT作者贡献声明

Mehdi Sedighi：负责撰写初稿、软件开发、资金申请和概念构思。Rajesh Kumar：负责软件开发、数据分析、形式化分析和概念构思。Mostafa Ghasemi：负责撰写初稿、数据可视化以及监督和概念构思。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

中国电子科技大学湖州分校提供的资金支持（项目编号：U03220171）。

Mehdi Sedighi|Rajesh Kumar|Mostafa Ghasemi