Ученые улучшили анализ компонент сложных газовых проб с помощью ИИ
Эффективный алгоритм для многокомпонентного анализа газовых проб с помощью глубокой нейросети разработали специалисты лаборатории лазерного молекулярного имиджинга и машинного обучения Томского госуниверситета (ТГУ), 18 апреля сообщает пресс-служба вуза.
Анализ полученных методом спектроскопии данных о многокомпонентных газовых смесях выполняет созданная учеными ТГУ глубокая нейросеть со специально разработанными алгоритмами. Полученные результаты могут быть использованы в целях медицинской диагностики или экологического мониторинга.
Результаты исследования работы алгоритма ученые представили в статье «Разложение ИК-спектров поглощения газовых смесей с использованием глубокой нейронной сети», опубликованной в Journal of Quantitative Spectroscopy and Radiative Transfer (Q2).
Заведующий лабораторией лазерного молекулярного имиджинга и машинного обучения ТГУ Юрий Кистенёв раскрыл актуальность выполненной коллективом работы:
«Одна из задач спектроскопии — это качественный и количественный анализ сложных многокомпонентных газов. Используемые сейчас алгоритмы работают хорошо на анализе небольшого количества соединений, но если требуется исследовать 5–10 компонент и более, то высок риск серьезных погрешностей. Методы искусственного интеллекта перспективны с точки зрения подобных задач».
Используя методы ИИ, ученые создали глубокую нейросеть и научили ее определять десяток компонент, встречающихся в атмосфере, каких как углекислый газ, водяной пар и некоторые загрязняющие вещества.
«Нейросеть синтезирует некое решение на основании тех данных, которые подаются на вход, а она делает прогноз, — поясняет Юрий Кистенёв. — В определенных ситуациях одна из компонент имеет небольшую концентрацию, соответственно, ее вклад в суммарную концентрацию невелик. В этом случае ИИ ее не сильно замечает, и возникает возможность ошибки определения концентрации. Чтобы исключить такие ситуации, мы дополнительно добавили простой количественный критерий, который помогает понять, можно этому результату доверять или нет. Если значение критерия меньше определенного порога, результату нельзя доверять».
Введением этого критерия ученые дали в руки исследователей инструмент, который помогает естественному интеллекту контролировать искусственный и избегать сомнительных результатов.
Тестирование алгоритма показало его высокую эффективность. Разработка ученых ТГУ может быть использована в различных областях, в том числе в решении главной задачи, стоящей перед сотрудниками лаборатории лазерного молекулярного имиджинга и машинного обучения ТГУ, — разработке быстрых методов неинвазивной диагностики различных заболеваний.
В такой диагностике специалисты ТГУ намерены задействовать результаты исследования воздуха, выдыхаемого пациентами.
Однако новый алгоритм может также значительно улучшить качество экологического мониторинга в зоне промышленного производства и помочь в изучении природных экосистем для точной оценки интенсивности и структуры выбросов парниковых газов.
