異丙醇（IPA）分子作為抗病毒診斷的生物標志物，在與環(huán)境安全和醫(yī)療保健相關(guān)的揮發(fā)性有機化合物（VOC）領(lǐng)域發(fā)揮著重要作用。然而，傳統(tǒng)的氣體分子檢測存在諸多明顯缺陷，例如離子淌度方法的工作條件苛刻，中紅外光譜的光物質(zhì)相互作用微弱，從而導(dǎo)致目標分子的響應(yīng)受限。為了實現(xiàn)對異丙醇的高選擇性、快速響應(yīng)、高靈敏度檢測，研究人員提出了一種基于離子淌度質(zhì)譜（IMMS）的人工智能（AI）增強化學檢測方法，并借助多開關(guān)摩擦電納米發(fā)電機來實現(xiàn)。

據(jù)麥姆斯咨詢報道，近日，東南大學與新加坡國立大學（National University of Singapore）的聯(lián)合科研團隊在Nature Communications期刊發(fā)表了以“Triboelectric-induced ion mobility for artificial intelligence-enhanced mid-infrared gas spectroscopy”為主題的論文。該論文第一作者為東南大學機械工程學院朱建雄副教授，通訊作者為朱建雄副教授、東南大學儀器科學與工程學院宋愛國教授和新加坡國立大學Chengkuo Lee教授。

這項研究提出了一種AI增強離子淌度與中紅外光譜的協(xié)同方法，利用來自不同維度傳感信號的互補特征，實現(xiàn)異丙醇識別的高精度。利用摩擦發(fā)電機產(chǎn)生的“冷”等離子體放電，增強了異丙醇的中紅外光譜響應(yīng)，并獲得良好的回歸預(yù)測。此外，即使在不同碳基氣體的干擾下，該協(xié)同方法也能實現(xiàn)準確率99.08%的氣體濃度預(yù)測。AI增強系統(tǒng)的協(xié)同方法為醫(yī)療保健應(yīng)用中的混合物和回歸預(yù)測提供了準確的氣體傳感機制。

基于IMMS的AI增強化學傳感檢測

準確檢測異丙醇的種類對于提供安全環(huán)境至關(guān)重要。準確檢測異丙醇最常用的方法是基于離子淌度或中紅外光譜。然而，這些檢測方法受限于特定條件（低氣壓和高溫）。為了解決這個問題，研究人員提出了利用自供電的摩擦發(fā)電機作為額外的高壓源，在環(huán)境氣壓下產(chǎn)生冷離子等離子體。基于機械振動的摩擦電納米發(fā)電機所產(chǎn)生的高壓顯著增強了離子淌度在低氣壓和環(huán)境氣壓下對異丙醇的精確檢測。同時，中紅外光譜降低了異丙醇分子隨吸收和反射的響應(yīng)，從而精確地獲得波長和響應(yīng)。IMMS化學傳感的協(xié)同方法成為利用摩擦電納米發(fā)電機來快速準確檢測低濃度氣體混合物的解決方案。

因此，離子淌度傳感與增強中紅外反射的協(xié)同機制使化學傳感能夠?qū)崿F(xiàn)快速響應(yīng)時間和準確檢測。此外，采用AI增強方法的數(shù)據(jù)處理將充分發(fā)揮離子淌度傳感和增強中紅外響應(yīng)的優(yōu)勢，從而實現(xiàn)超高精度和大范圍的檢測（如圖1）。

圖1 基于IMMS協(xié)同方法論的AI增強化學傳感示意圖

用于氣體檢測的離子淌度質(zhì)譜儀

離子淌度系統(tǒng)由針狀板電極結(jié)構(gòu)、高電壓元件（摩擦電納米發(fā)電機）和集電器構(gòu)成，如圖2a所示。圖2b展示了AI增強離子淌度方法的示意圖。通過使用深度學習方法，可以準確地估計異丙醇濃度。

圖2 利用離子淌度質(zhì)譜儀檢測異丙醇

AI增強中紅外檢測

圖3a展示了異丙醇分子在中紅外光譜區(qū)域的等離子體增強振動光譜，顯著提高了其檢測靈敏度。圖3c介紹了中紅外光譜的AI增強方法，說明了異丙醇數(shù)據(jù)處理過程。數(shù)據(jù)處理包括：標準校準、合成少數(shù)級別的過采樣技術(shù)（SMOTE）增強方法和t分布-隨機鄰近嵌入（t-SNE）分類。圖3d為異丙醇濃度與中紅外響應(yīng)間的關(guān)系曲線。

圖3 中紅外增強等離子體放電對不同濃度異丙醇的影響

在進行實際光學測量前，對傅里葉變換紅外（FTIR）光譜儀的背景標定至關(guān)重要。為了避免這種耗費人力的過程，研究人員采用AI方法來提供準確的濃度測量。圖4a展示了未經(jīng)數(shù)據(jù)預(yù)處理的原始數(shù)據(jù)。數(shù)據(jù)預(yù)處理可通過標準校準、SMOTE和環(huán)境光傳感器（ALS）校準來實現(xiàn)；接著，使用t-SNE進行特征提取；最后利用線性判別分析（LDA）和深度神經(jīng)網(wǎng)絡(luò)（DNN）進行氣體分類和預(yù)測。

圖4 無需任何初始背景標定的AI增強方法

利用協(xié)同方法在混合氣體中識別異丙醇

圖5闡釋了IMMS與紅外光譜的協(xié)同方法。如圖5a所示，兩者的信號被送至機器學習工具進行計算。IMMS方法中的異丙醇分子受到超高壓的劇烈震動。在濃度估計方面，將兩種方法測量相同濃度的數(shù)據(jù)相連接，然后使用t-SNE進行特征提取，再使用DNN進行濃度估計。氣體數(shù)據(jù)采用并行連接和尋址方式，利用LDA對氣體特征進行分類，以識別不同異丙醇濃度或不同種類的氣體。最后，采用AI增強的傳感器融合機制對異丙醇濃度進行檢測。

圖5 基于IMMS協(xié)同作用的混合氣體檢測

綜上所述，這項研究提出了一種用于AI增強的化學傳感的協(xié)同IMMS機制，以實現(xiàn)對氣體混合物的快速響應(yīng)和準確檢測。研究人員利用摩擦電納米發(fā)電機產(chǎn)生高壓等離子體，解決了環(huán)境壓力對離子淌度的限制以及氣體分子的中紅外光譜響應(yīng)和反射探測微弱的問題。該研究結(jié)果顯示，通過AI增強自動提取特定特征，自供電離子淌度的精度比傳統(tǒng)方法提高了近兩倍。該研究還表明，摩擦電發(fā)電機產(chǎn)生的冷等離子體也增強了異丙醇傳感的中紅外光譜響應(yīng)，并通過深度學習得到了良好的線性預(yù)測。

此外，數(shù)據(jù)處理可能會消除基于觀測的背景標定，從而節(jié)省人力成本。針對異丙醇檢測中存在的問題，該研究以99.08%的準確率利用AI增強技術(shù)從IMMS數(shù)據(jù)成功提取異丙醇特征。該研究提出的方法可以對采集到的數(shù)據(jù)進行多模態(tài)數(shù)據(jù)處理，并可與現(xiàn)有方法結(jié)合，實現(xiàn)協(xié)同機制。

審核編輯：劉清