8 de julio, 2025 XML
< Volver

Un equipo surcoreano logra identificar un compuesto multimetálico capaz de adsorber más del 90% de contaminantes nucleares, acelerando la innovación en gestión ambiental mediante algoritmos avanzados.

Un grupo de científicos de Corea del Sur desarrolló un nuevo material capaz de eliminar más del 90% del yodo radiactivo presente en residuos nucleares, utilizando herramientas de inteligencia artificial para optimizar su diseño.

Según informó el Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST), esta innovación representa un avance relevante en la gestión de residuos nucleares y plantea nuevas posibilidades para su aplicación en entornos industriales y ambientales.

El hallazgo fue publicado en la revista Journal of Hazardous Materials y se basa en un hidróxido doble laminar (LDH) multimetálico con una composición específica de cobre, cromo, hierro y aluminio (Cu₃(CrFeAl)). De acuerdo con KAIST, la combinación de estos elementos se identificó mediante algoritmos de aprendizaje automático, lo que redujo considerablemente la cantidad de pruebas necesarias para diseñar un material con alta capacidad de adsorción de yodato radiactivo.

El yodo radiactivo: un desafío para la gestión nuclear

El yodo radiactivo, en particular el isótopo I-129, representa uno de los mayores retos en el manejo de residuos nucleares debido a su vida media de 15,7 millones de años y su facilidad para desplazarse en el medio ambiente.

Según datos de KAIST, este isótopo se presenta principalmente en forma de yodato (IO₃⁻) en entornos acuosos, lo que complica su eliminación con tecnologías convencionales.

Los métodos actuales, como el uso de materiales a base de plata, ofrecen baja eficacia en la captura de yodato por la limitada afinidad química entre este anión y los compuestos utilizados. Esta limitación motivó la búsqueda de nuevos materiales con mejor rendimiento y menor impacto ambiental.

Inteligencia artificial aplicada a la descontaminación

Frente a estas dificultades, el equipo liderado por Ho Jin Ryu, profesor del departamento de Ingeniería Nuclear y Cuántica de KAIST, junto con Juhwan Noh, del Centro de Investigación de Química Digital del Instituto de Investigación de Tecnología Química de Corea, adoptó un enfoque basado en aprendizaje automático para explorar combinaciones óptimas de metales en los LDH. Estos materiales son conocidos por su versatilidad composicional y su capacidad para capturar aniones.

Según KAIST, el proceso convencional requería una cantidad extensa de experimentos para evaluar todas las combinaciones posibles. Con apoyo algorítmico, el equipo examinó solo el 16% de los candidatos potenciales, lo que representó una mejora sustancial en eficiencia y costos.

Composición del material y resultados obtenidos

El material identificado alcanzó una capacidad de adsorción de yodato del 91,0 ± 0,2%, superando el rendimiento de adsorbentes convencionales. El artículo en Journal of Hazardous Materials explica que la estructura de los LDH permite incorporar múltiples metales, lo que facilita la personalización de sus propiedades según el uso previsto.

El análisis mediante inteligencia artificial, utilizando el método SHAP (Shapley Additive Explanations), permitió establecer los factores fisicoquímicos que favorecen la síntesis y el rendimiento del material. Entre ellos, se identificó que la similitud en el tamaño iónico de los metales favorece la estabilidad, mientras que una mayor diferencia de electronegatividad mejora la capacidad de adsorción del yodato.

Optimización del proceso mediante aprendizaje automático

El desarrollo del material comenzó con una base de datos compuesta por 24 composiciones binarias y 96 ternarias de LDH. A partir de esta información, modelos predictivos basados en algoritmos de bosque aleatorio seleccionaron las combinaciones más prometedoras entre 196 cuaternarias y 244 quinarias. Según KAIST, fue necesario experimentar solo con el 16% de los candidatos, en comparación con los métodos tradicionales de prueba y error.

El uso de aprendizaje activo permitió actualizar continuamente el modelo con nuevos datos experimentales, mejorando la precisión de las predicciones. Este enfoque metodológico abre nuevas oportunidades para el diseño de materiales descontaminantes asistidos por inteligencia artificial.

Aplicaciones industriales y proyecciones

KAIST informó que el nuevo material LDH multimetálico puede utilizarse en sectores como la producción de polvos adsorbentes o sistemas de filtración de aguas residuales contaminadas con yodo radiactivo. El equipo proyecta que la cooperación entre instituciones académicas y empresas será clave para llevar esta tecnología al mercado y maximizar su impacto ambiental.

Según declaró Ho Jin Ryu, el uso de inteligencia artificial ofrece un camino prometedor en la búsqueda de soluciones para la limpieza ambiental nuclear. “Este estudio demuestra el potencial del uso de la inteligencia artificial para identificar eficazmente materiales de descontaminación radiactiva entre un amplio abanico de nuevos materiales candidatos”, señaló, citado por el Instituto Avanzado de Ciencia y Tecnología de Corea.

Los investigadores presentaron una solicitud de patente nacional para la tecnología desarrollada y gestionan el trámite de una patente internacional. Paralelamente, trabajan en mejorar el rendimiento del material bajo distintas condiciones y en ampliar sus aplicaciones mediante alianzas con entidades privadas.

Si te ha parecido interesante, puedes suscribirte a nuestros newsletters

 

Sigue el canal de Industria Química en WhatsApp, donde encontrarás toda la actualidad del sector químico y energético en un solo espacio: la actualidad del día y los artículos y reportajes técnicos más detallados e interesantes. 

Noticias relacionadas

comments powered by Disqus

Utilizamos cookies propias y de terceros para analizar nuestros servicios y mostrarle publicidad relacionada con sus preferencias en base a un perfil elaborado a partir de sus hábitos de navegación (por ejemplo, páginas visitadas o videos vistos). Puedes obtener más información y configurar sus preferencias.

Configurar cookies

Por favor, activa las que quieras aceptar y desactiva de las siguientes las que quieras rechazar. Puedes activar/desactivar todas a la vez clicando en Aceptar/Rechazar todas las cookies.

Aceptar/rechazar todas
Cookies Analíticas

Cookies que guardan información no personal para registrar información estadística sobre las visitas realizadas a la web.

Cookies de Marketing

Cookies necesarias para determinadas acciones de marketing, incluyendo visualización de vídeos provenientes de plataformas como Youtube, Vimeo, etc. y publicidad de terceros.

Cookies de Redes Sociales

Cookies relacionadas con mostrar información provenientes de redes sociales o para compartir contenidos de la web en redes sociales.