Wetenschappers hebben met behulp van AI een nieuw materiaal ontwikkeld dat radioactief jodium uit water kan filteren – sneller, efficiënter en veiliger dan bestaande methoden. Deze doorbraak kan het milieuprobleem van radioactief afval drastisch verminderen.
Specifiek gaat het om het radioactieve isotoop jodium-129 (I-129), dat met een halfwaardetijd van maar liefst 15,7 miljoen jaar en een hoge mobiliteit in waterige milieus geldt als een van de grootste langetermijnrisico’s van nucleaire energieproductie.
Volgens de studie, gepubliceerd in het Journal of Hazardous Materials, is er nu hoop: een door AI geselecteerd en getest materiaal wist meer dan 90 procent van het jodaat (IO₃⁻) – de meest voorkomende vorm van radioactief jodium in water – effectief te verwijderen.
Radioactief jodium: een hardnekkige vijand
Het beheersen van radioactief jodium is al decennia een uitdaging voor kernenergie- en afvalverwerkingsindustrieën wereldwijd. I-129 is extreem persistent, verspreidt zich snel via grond- en oppervlaktewater, en vormt daardoor een langdurige bedreiging voor ecosystemen en volksgezondheid.
Traditioneel wordt zilver gebruikt om jodiumverbindingen te absorberen, maar dit werkt slecht bij jodaat – de anionische vorm waarin I-129 zich vaak manifesteert in waterige omgevingen. Dat vroeg om een alternatieve aanpak.
AI wijst de weg naar een oplossing
De Zuid-Koreaanse onderzoekers, afkomstig van het Korea Advanced Institute of Science and Technology (KAIST) en het Korea Research Institute of Chemical Technology (KRICT), richtten hun pijlen op een klasse materialen die bekendstaan als Layered Double Hydroxides (LDHs).
Deze gelaagde structuren staan bekend om hun vermogen om negatieve ionen – zoals jodaat – op te vangen. Het probleem: er zijn duizenden mogelijke combinaties van metaalionen waaruit LDHs kunnen worden opgebouwd. Handmatig testen zou jaren duren.
Daarom schakelde het team machine learning in. Door eerst een model te trainen met gegevens van 120 eerder onderzochte LDH-combinaties, kon de AI binnen korte tijd voorspellen welke samenstellingen de hoogste kans op succes boden.
De algoritmen wezen uiteindelijk naar een vijfvoudige metaalcombinatie van koper, chroom, ijzer en aluminium: Cu₃(CrFeAl).

Slimme selectie, groot resultaat
Wat deze doorbraak extra indrukwekkend maakt, is dat het team slechts 16 procent van de mogelijke combinaties hoefde te testen voordat ze het optimale materiaal vonden. Dat onderstreept niet alleen de efficiëntie van AI-ondersteund materiaalonderzoek, maar ook het enorme potentieel voor toepassing in andere domeinen van milieutechnologie.
De gevonden LDH-combinatie bleek in staat om met meer dan 90 procent efficiëntie jodaat uit water te filteren – een aanzienlijke verbetering ten opzichte van bestaande materialen, waaronder zilver-gebaseerde absorptiemiddelen.

Patent is reeds aangevraagd
De onderzoekers hebben inmiddels een nationaal patent aangevraagd voor het poedermateriaal, en een internationale aanvraag loopt. In de tussentijd wordt gewerkt aan het verbeteren van de stabiliteit van het materiaal in realistische omgevingen, bijvoorbeeld onder radioactieve belasting of in verschillende pH-condities.
Professor Ho Jin Ryu van KAIST, die het onderzoek leidde, benadrukt de impact: “Deze studie laat zien hoe kunstmatige intelligentie materiaalontwikkeling voor nucleaire sanering radicaal kan versnellen. Het opent de deur naar praktische toepassingen in besmette zones of bij kernongevallen.”
De onderzoekers zijn actief op zoek naar academische en industriële partners om het materiaal door te ontwikkelen tot kant-en-klare toepassingen, zoals jodium-absorberende filtersystemen voor waterzuivering op nucleaire sites.

Een nieuw tijdperk voor nucleaire milieutechnologie?
Deze ontdekking markeert een belangrijke stap in het veiliger en duurzamer maken van nucleaire energie. Waar het verwijderen van radioactieve stoffen voorheen vooral afhankelijk was van chemische willekeur en tijdrovend testen, laat dit onderzoek zien dat data-gedreven benaderingen het speelveld fundamenteel kunnen veranderen.
Met AI als versneller wordt het wellicht eindelijk mogelijk om de hardnekkigste afvalproducten van kernenergie effectief en betaalbaar te neutraliseren.