Учёные лаборатории лазерного молекулярного имиджинга и машинного обучения Томского госуниверситета разработали эффективный алгоритм для многокомпонентного анализа газовых проб при помощи ИИ. В качестве инструмента учёные ТГУ используют методы спектроскопии. Созданная ими глубокая нейросеть и специальные алгоритмы позволяют анализировать большое количество компонент в газовых смесях, что можно использовать для медицинской диагностики и экологического мониторинга. Результаты работы учёных изложены в статье в журнале Journal of Quantitative Spectroscopy and Radiative Transfer (Q2).
– 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 серьёзных погрешностей, – объясняет заведующий лабораторией лазерного молекулярного имиджинга и машинного обучения ТГУ Юрий Кистенёв. – Методы искусственного интеллекта перспективны с точки зрения подобных задач.
Учёные применили новый подход – создали глубокую нейросеть, обучили её на определение десятка компонент, которые встречаются в атмосфере: это углекислый газ, водяной пар, ряд загрязняющих веществ. Проверив на практике возможности «обученной» нейрости, учёные добавили еще один критерий, который помогает естественному интеллекту контролировать искусственный и избегать сомнительных результатов.
– Нейросеть синтезирует некое решение на основании тех данных, которые подаются на вход, а она делает прогноз, – поясняет Юрий Кистенев. – В определённых ситуациях одна из компонент имеет небольшую концентрацию, соответственно, её вклад в суммарную концентрацию невелик. В этом случае ИИ её 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.
В ходе тестирования данный подход показал высокую эффективность. Использовать разработку учёных ТГУ можно в разных областях, в том числе для решения одной из главных задач, стоящих перед сотрудниками лаборатории лазерного молекулярного имиджинга и машинного обучения ТГУ – создания быстрых методов неинвазивной диагностики различных заболеваний. Одним из объектов исследования медицинских физиков является воздух, выдыхаемый пациентами.
Наряду с этим, новый подход, может значительно улучшить качество экологического мониторинга в зоне промпредприятий и помочь исследователям в изучении природных экосистем, например, для оценки интенсивности выбросов парниковых газов.