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.
Система датчиков при поддержке ИИ стала «искусственным носом»
Обработка запахов очень сложна, но и здесь помогает глубокое обучение. Unsplash
ИИ проникает уже повсюду. Теперь с его помощью сделали «искусственный нос».

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.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

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.

Датчики на основе графена имитируют человеческое обоняние

Схема биологического и искусственного обонятельного рецептора. Биологические рецепторы взаимодействуют с молекулами запаха посредством специфического связывания, в то время как искусственные рецепторы используют каталитическую диссоциацию Pd наноостровков для селективной адсорбции молекул газа на графеновых поверхностях.
Схема биологического и искусственного обонятельного рецептора. Биологические рецепторы взаимодействуют с молекулами запаха посредством специфического связывания, в то время как искусственные рецепторы используют каталитическую диссоциацию Pd наноостровков для селективной адсорбции молекул газа на графеновых поверхностях.
https://www.science.org/doi/10.1126/sciadv.adr2659
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

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.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Нейронная сеть оптимизирует размещение датчиков

Верхний рисунок. Сеть искусственных обонятельных рецепторов создает систему для пространственно-временного мониторинга газов. 
Рисунки ниже. Блок-схема проектирования сети искусственных обонятельных рецепторов и ее использования для пространственно-временного мониторинга газов in situ с помощью алгоритма искусственной нейронной сети (ИНС) и вычислительной аппаратуры ближнего сенсора. Процесс включает моделирование газового потока в проектируемом пространстве, оптимизацию конфигурации датчиков и разработку ИНС для прогнозирования динамики газового потока. Вычисления ANN выполняются на компактном специализированном микропроцессоре, расположенном вблизи датчиков.
Верхний рисунок. Сеть искусственных обонятельных рецепторов создает систему для пространственно-временного мониторинга газов. Рисунки ниже. Блок-схема проектирования сети искусственных обонятельных рецепторов и ее использования для пространственно-временного мониторинга газов in situ с помощью алгоритма искусственной нейронной сети (ИНС) и вычислительной аппаратуры ближнего сенсора. Процесс включает моделирование газового потока в проектируемом пространстве, оптимизацию конфигурации датчиков и разработку ИНС для прогнозирования динамики газового потока. Вычисления ANN выполняются на компактном специализированном микропроцессоре, расположенном вблизи датчиков.
https://www.science.org/doi/10.1126/sciadv.adr2659

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».