Система датчиков при поддержке ИИ стала «искусственным носом»
Исследователи из Школы инженерных и прикладных наук Университета Вирджинии разработали систему на основе искусственного интеллекта, которая имитирует человеческое обоняние для обнаружения и отслеживания токсичных газов в режиме реального времени.
Используя искусственные нейронные сети в сочетании с сетью датчиков, система быстро определяет источник вредных газов, таких как диоксид азота (NO₂), который представляет серьезную опасность для здоровья дыхательных путей.
По данным Всемирной организации здравоохранения, загрязнение наружного воздуха, включая NO₂, ежегодно приводит к примерно 4,2 миллиона преждевременных смертей во всем мире, в основном из-за респираторных заболеваний, таких как астма и хроническая обструктивная болезнь легких.
Работа опубликована в журнале Science Advances.
Датчики на основе графена имитируют человеческое обоняние
Инновационная система основана на наноостровках металлических катализаторов, встроенных в графеновые поверхности. Это устройство функционирует как искусственный нос, реагируя с молекулами токсичных газов.
Когда молекулы диоксида азота связываются с графеном, проводимость сенсора изменяется, что позволяет системе обнаруживать утечки газа с чрезвычайной чувствительностью.
«Наноостровки металлических катализаторов — это крошечные кластеры металлических частиц, нанесенные на поверхность, например, графена, которые усиливают химические реакции, увеличивая площадь поверхности для взаимодействия молекул газа, что позволяет точно обнаруживать токсичные газы», — говорит соавтор работы Йонгмин Бэк.
Искусственные обонятельные рецепторы способны обнаруживать малейшие изменения в концентрации газа и передать эти данные в вычислительную систему, которая использует алгоритмы машинного обучения для обнаружения источника утечки.
Нейронная сеть оптимизирует размещение датчиков
Искусственная нейронная сеть системы анализирует данные датчиков в режиме реального времени, основываясь на оптимизированном размещении датчиков для обеспечения охвата и эффективности работы.
Оптимизация осуществляется с помощью алгоритма байесовской оптимизации «trust-region» — метода машинного обучения, который разбивает сложные задачи на шаги для поиска наиболее эффективного расположения датчиков. Это позволяет использовать меньше ресурсов, обеспечивая быстрое и точное обнаружение утечек газа.
Соавтор работы Бьюнгджун Бэ говорит: «Наша система на базе ИИ способна сделать промышленные объекты, городские районы и даже жилые дома более безопасными за счет постоянного мониторинга качества воздуха. Это большой шаг вперед в предотвращении долгосрочных рисков для здоровья и защите окружающей среды».