La producción de hidrógeno verde gana eficiencia gracias a modelos predictivos desarrollados por la UMA

Investigadores de los Departamentos de Química Inorgánica e Ingeniería Química de la Universidad De Málaga participan en una colaboración internacional que ha logrado optimizar, mediante inteligencia artificial, el proceso de producción de hidrógeno verde a partir de aguas residuales, reforzando el papel de esta tecnología como vector clave de la transición energética.

Este trabajo se desarrolla en el marco de un consorcio internacional integrado por científicos de Vietnam, Corea Del Sur, India y Taiwan, y cuenta con financiación de la empresa Acosol, la Fundación Unicaja y la Agencia Estatal De Investigación del Ministerio De Ciencia, Innovación Y Universidades, lo que refleja el carácter estratégico del proyecto.

Desde el punto de vista ambiental y de gestión del agua, el estudio subraya la relevancia de revalorizar los recursos hídricos no convencionales. En palabras del catedrático Enrique Rodríguez Castellón, de la Facultad De Ciencias y uno de los autores del trabajo, “el desarrollo de procesos para el uso y revalorización de las aguas residuales es necesario para mejorar la sostenibilidad de los recursos hídricos y proteger el medio ambiente”.

El investigador recuerda además que el hidrógeno es una “materia prima esencial en la industria química y metalúrgica y un vector energético clave en la descarbonización”

Los resultados del trabajo, publicados en la revista científica Energy, confirman que el uso de aguas residuales para producir hidrógeno verde, considerado el combustible del futuro, constituye un proceso sostenible con un alto potencial, al permitir ahorrar agua potable, optimizar residuos y reducir la dependencia de recursos fósiles.

 

Nueva vía para mejorar la fermentación oscura

El estudio se centra en la fermentación oscura, un proceso que emplea microorganismos anaerobios para descomponer la materia orgánica presente en el agua residual y generar biohidrógeno. Aunque esta tecnología es conocida, su rendimiento ha estado tradicionalmente condicionado por múltiples variables que limitaban su eficiencia y su viabilidad comercial.

Frente a estas restricciones, la incorporación de inteligencia artificial y machine learning abre una nueva vía para mejorar el proceso. Tal y como explica Rodríguez Castellón, “estos modelos facilitan la identificación y el aprendizaje de patrones, lo que da como resultado una mayor precisión en las predicciones y en el control del sistema”, permitiendo optimizar el funcionamiento del proceso de forma más precisa y robusta.

 

Modelos predictivos para aumentar el rendimiento

El trabajo desarrollado por el consorcio internacional demuestra que es posible crear modelos predictivos avanzados capaces de afinar el procedimiento, incrementar el rendimiento del proceso y reducir tanto el tiempo como los costes operativos asociados a la producción de hidrógeno verde. Esta optimización resulta clave para avanzar hacia una aplicación industrial más competitiva.

Además, la investigación describe un método innovador asistido por inteligencia artificial que sustituye a enfoques más convencionales, utilizando datos procedentes de pruebas en condiciones reales para construir modelos predictivos más fiables. Este enfoque ha permitido optimizar la recuperación de energía y minimizar los desechos orgánicos generados durante el proceso, reforzando su sostenibilidad global.

El estudio se enmarca en distintos proyectos de investigación de la Universidad De Málaga, centrados tanto en la optimización de los recursos hídricos, con financiación de Acosol, como en la producción de hidrógeno y la descarbonización, apoyados por la Fundación Unicaja, la Agencia Estatal De Investigación y el proyecto europeo H2 Excellence. Junto a Rodríguez Castellón, las investigadoras Olga Guerrero Pérez y M. Cruz López Escalante, ambas del Departamento De Ingeniería Química, completan el equipo de científicas de la UMA autoras de este trabajo, que refuerza el papel de la inteligencia artificial como aliada clave de la transición energética y la economía circular.

Referencia bibliográfica:
Anh Tuan Hoang, Wei-Hsin Chen, M. Olga Guerrero-Pérez, Enrique-Rodríguez Castellón, María Cruz López-Escalante, Van Nhanh Nguyen, Prabhu Paramasivam, Xuan Phuong Nguyen, Thanh Hai Truong (2026) Turning waste into energy: Application of machine learning and explainable artificial intelligence for determining key factors in wastewater-to-hydrogen conversion, Energy, Volume 344, 139934, ISSN 0360-5442, https://doi.org/10.1016/j.energy.2026.139934.