人工智能识别分子从他们毫无特色的可见光谱

一个人工智能算法可以从他们的可见光谱识别分子,许多有机化合物是完全透明的,没有吸收峰。“忘记山峰——主要结果,”说菲利普Herrera大学的圣地亚哥,智利。一旦算法训练更多的结构,以及混合物,它可以提高无损光学传感识别爆炸物或环境污染。

时检测分子通过激光探测的红外(IR)光谱是如此精确,没有什么可以打败它”,埃雷拉说。红外和拉曼光谱的指纹区可以通过化学家和机器一样精确的分子他们看着。但这些光谱仪器需要笨重,昂贵的,需要一个专家用户,说罗斯Gillanders光学传感器工作的圣安德鲁斯大学,英国。使用可见光的优势在于你可以减少现场设备的成本和潜在的使它更轻便和用户友好,”他指出。

这就是为什么埃雷拉和他的团队训练的一种机器学习算法来识别有机分子从一个单波长折射率测量。“我们实际上达到拉曼精度。根据分子,我们可以击败它- 98%或更多,”埃雷拉说。

团队选择61种化合物,包括简单的有机物如甲烷和普通聚合物如聚甲基丙烯酸甲酯,和美联储的算法40年的预编译开源数据”,没有人利用大规模的,埃雷拉说。因为数据是严重偏向拉曼和红外光谱,每个化合物的研究填补了空白与基于物理模型的可见光谱。

团队成员很快发现表现最好的算法,训练很重要,它不仅在红外和拉曼数据,也可见。我们不可能想出这一结论没有机器学习,”埃雷拉说。为何如此的技术原理是光响应材料是一个全球性的对象。测量红外光谱时,记录整个光学响应信息内容的一个子集。我认为这是这项工作的成就:打开人们的直觉大局的电磁响应复合是什么。”

Herrera可以想象他的方法作为传感器的软件的一部分,例如在气相色谱分析器的输出。现在,识别只适用于单一化合物,虽然团队正在调查使它工作在混合物。我想看到这个应用在光学传感,可做无损——可能是便携式光子设备适应芯片。

这就太好了如果你能得到一个相似的指纹使用可见与红外光谱、你可以做“Gillanders说。它可以允许快速识别危险物质在机场检查,帮助追踪简易爆炸装置的来源或识别环境污染物在复杂混合物如河水。然而,Gillanders警告说,它仍然是在非常早期的阶段。我认为这将是一段时间可以进入该领域,与手持设备。