“同一健康”（One Health）范式强调了人类、动物和环境福祉之间的深刻相互依赖性。在快速城市化的世界中，城市水系统超越了其作为简单公用设施的传统角色，现在它们成为了调节水、碳及其他对城市可持续性和公共健康至关重要的物质流动的重要代谢器官[1]、[2]、[3]。绿色转型和碳中和的紧迫全球目标要求对这些系统进行根本性的重新思考。目标是将它们建设成为智能、低碳且生态和谐的系统。在这一背景下，水处理的消毒阶段存在一个根本性的悖论：虽然消毒对于保护公共健康不可或缺，但其传统方法往往带有沉重的碳负担，并存在化学污染风险，从而可能危及它们本应维护的可持续性。
具有强抗性的微生物是废水中的主要污染物之一。它们在工业和市政供水网络中常常构成持续威胁。例如，能形成孢子的枯草芽孢杆菌（Bacillus subtilis）可以繁殖并导致生物污染，加速管道腐蚀，降低热系统的效率[4]、[5]、[6]、[7]。
在这项研究中，我们选择了处于营养期的枯草芽孢杆菌。与孢子不同，营养期细胞处于活跃生长和代谢状态，通常存在于受污染的水系统中。更重要的是，它们需要强力的消毒措施。传统上，人们使用氯等化学氧化剂来直接杀死细菌。然而，这种方法有两个主要缺点：首先，会产生有毒的消毒副产物，这些副产物可能进入水生环境，危及“同一健康”的所有方面[8]、[9]；其次，这些化学物质的生产和运输是能源密集型过程，导致显著的间接碳排放[10]、[11]、[12]。
传统的微生物控制方法主要分为物理方法和化学方法，如化学氧化、热处理和紫外线（UV）辐射。然而，这些方法越来越无法满足可持续和智能城市系统的需求。化学氧化技术会产生难以去除的持久性消毒副产物，导致二次环境污染[13]、[14]；热处理在运行过程中需要大量能源，从而导致高碳排放[15]、[16]；尽管紫外线辐射避免了化学物质的使用，但在浑浊水中或面对生物膜时效果会减弱。此外，电力消耗和灯管生产带来的碳足迹仍然相当可观[17]。所有这些方法的一个共同弱点是它们在运行上的刚性：它们无法实时智能地适应水质的变化。这种僵化往往导致处理不足，或者更常见的是过度使用化学物质和能源，从而加剧了城市物质循环中的低效率和过度排放。
近年来，随着半导体技术的不断发展，脉冲电场（PEF）水净化技术开始吸引研究人员的关注。作为一种非热物理方法，该技术通过对微生物施加短暂的高压电脉冲来实现杀菌效果[18]、[19]。该技术具有低能耗、快速消毒的特点，并且在净化过程中不会引入额外的污染物[20]、[21]。大多数传统消毒方法难以与人工智能结合使用。以氯化消毒为例：你需要添加化学物质，等待结果，然后测量。没有简单的方法可以实时进行调整。紫外线也是如此：一旦灯管开启，你只能通过改变流速或开关灯管来调节曝光量。这些方法并非为数字控制而设计。而脉冲电场（PEF）则不同：你可以独立设置场强、频率、脉冲宽度和脉冲次数，所有参数都可以实时控制。这使得PEF非常适合人工智能控制。然而，目前关于纳秒级脉冲电场（nsPEF）设置与孢子灭活效果之间关系的研究报道较少。没有明确的模型，人工智能无法从中学习，也无法判断哪些设置更有效。
传统的微秒级脉冲电场（PEF）技术可以有效灭活活性细菌细胞，但对孢子这种复杂的多层结构效果有限[22]、[23]、[24]。这给使用电脉冲有效处理抗性细菌（如枯草芽孢杆菌）带来了挑战。相比之下，纳秒级脉冲电场（nsPEF）技术采用超短脉冲，能够穿透细胞并影响其内部结构，可能导致更严重的电穿孔和细胞内损伤[25]、[26]、[27]。早期研究表明，纳秒级脉冲电场可能在单位能量下的灭活效率高于微秒级脉冲电场[28]、[29]、[30]。然而，仍缺乏系统和定量研究来明确高频、高压纳秒脉冲如何净化含有枯草芽孢杆菌的水。一个关键问题是：目前还没有建立精确的模型来准确关联nsPEF参数与孢子灭活率。这一缺失的模型阻碍了人工智能学习算法的有效优化。
为了解决这个问题，我们认为需要采取两个关键步骤：首先，我们需要转向一种不依赖化学物质的物理消毒方法；其次，必须使用智能控制系统来摆脱基于最坏情况的固定参数设置。在这项研究中，我们通过开发一种基于人工智能优化的脉冲电场（PEF）系统实现了这两个目标。该系统的净化机制避免了化学物质带来的碳足迹和副产物，同时基于我们的研究模型构建的人工智能驱动控制系统通过动态适应降低了运行能耗。因此，这项工作将传统的城市消毒装置转变为一个能够优化城市代谢的智能组件，支持城市“同一健康”综合方法的进一步发展。
这项工作的一个关键贡献是首次建立了定量模型，将纳秒级脉冲电场（nsPEF）参数与枯草芽孢杆菌的灭活效率联系起来。实验数据显示，在优化参数组合下，孢子的灭活率超过了90%。人工智能驱动的系统能够实时监测和调整场参数，在水质波动时迅速反应，将净化能耗保持在较低范围内。我们的实验结果表明，将精确的物理消毒技术与智能信息学相结合，可以在确保生物安全的同时，将每单位处理水的能耗降低30–40%，并且完全避免了化学污染。这项研究不仅提供了一种新的消毒设备，还提供了一个可扩展的生态信息学框架。在动态模拟中，该框架显示出明显优势：与固定参数策略相比，人工智能驱动的方法在微生物负荷较低时节省了30–40%的能源，并在五个关键性能指标上优于传统方法：杀菌率、能源效率、运行稳定性、响应敏捷性和无化学物质操作。
需要注意的是，这项研究的主要目的还不是达到市政消毒标准，而是验证人工智能控制与脉冲电场（PEF）技术的结合。我们选择枯草芽孢杆菌作为研究目标，是因为它们是水系统中最具抗性的微生物之一。如果人工智能框架能够在这一具有挑战性的条件下学会优化灭活过程，那么未来应该可以将其应用于处理抗性较低的病原体。因此，这里报告的灭活率应被视为概念验证，后续工作将通过多阶段或混合方法实现更高的灭活效果。
