"Эксперименты с 1734 образцами, среди которых были как модельные, так и реальные белые и красные вина, показали, что предложенный нами метод обеспечивает определение содержания этанола (с точностью 0,36%), сахаров (с точностью 8 г/л), кислот (с точностью 2 г/л), глицерина (с точностью 3,4 г/л) и диоксида серы (с точностью на уровне ПДК) в режиме реального времени", – цитирует Доленко ТАСС.
Система натренирована методами машинного обучения распознавать инфракрасные спектры в среднем диапазоне, где фиксируются колебательные полосы молекул. Это позволяет проводить одновременно качественный и количественный анализ сложных смесей, уточнять результаты и ускорять обработку данных.
По словам научного сотрудника лаборатории Кирилла Лаптинского, измерение занимает меньше минуты, а при наличии базы данных итог известен "менее чем за минуту после регистрации спектра". Разработанный подход, по оценке авторов, сопоставим с зарубежными коммерческими решениями, доступ к которым сейчас не всегда возможен, и может сократить затраты на программное обеспечение для приборов экспресс-анализа. В перспективе метод может быть адаптирован для оценки качества соков и газированных напитков.
Как свет видит молекулы: физика ИК-спектроскопии среднего диапазона
Метод инфракрасной (ИК) спектроскопии, который лег в основу новой разработки, базируется на фундаментальном принципе взаимодействия света с веществом. При прохождении инфракрасного излучения сквозь сложную жидкую смесь молекулы различных химических соединений начинают избирательно поглощать свет на строго определенных частотах. В среднем ИК-диапазоне эта поглощенная энергия заставляет химические связи между атомами совершать уникальные колебательные движения.
Получаемый в результате эксперимента график поглощения называется спектром. Он выступает в роли индивидуального "отпечатка пальца" исследуемого образца. По расположению и высоте пиков на этой кривой физики могут точно идентифицировать, какие именно химические соединения находятся в жидкости и в какой концентрации.
Искусственный интеллект вместо химических реактивов: зачем спектрометру нейросеть
Главная сложность классического анализа вина заключается в том, что оно представляет собой крайне сложную многокомпонентную среду. Мощные полосы поглощения воды и этанола сильно накладываются на сигналы сахаров и органических кислот, маскируя их. Расшифровка такого хаотичного спектра традиционными математическими методами требует огромного количества времени, что долгое время мешало созданию систем мгновенного экспресс-контроля.
Именно для решения проблемы наложения сигналов российские ученые применили методы машинного обучения. Искусственный интеллект выполняет здесь роль сверхточного цифрового дешифровщика: нейросеть обучили распознавать скрытые закономерности в хаотичном нагромождении пиков ИК-спектра. Проанализировав обширную базу данных из 1734 образцов, система запомнила, как именно меняется общая кривая излучения при микроскопических колебаниях концентрации сахара, спирта, кислот, глицерина или диоксида серы.
Использование ИИ позволяет полностью отказаться от сложной и дорогостоящей процедуры химической пробоподготовки. Традиционный лабораторный анализ вина требует использования дефицитных жидких реактивов, титрования и участия квалифицированного персонала. Нейросетевая система способна мгновенно "выделить" полезный сигнал из общего спектра капли вина и выдать точные цифры в режиме реального времени. Это позволяет кардинально удешевить программное обеспечение для экспресс-анализаторов и отказаться от дорогого зарубежного софта.
Ранее отечественные исследователи ускорили анализ раковых клеток в 15 раз с помощью ИИ.
