Ученые Самарского политеха разработали технологию обучения оптических мультисенсорных систем

В аналитической химии зарождается новое направление с использованием оптических мультисенсорных систем (ОМС) для поточного (измерение непосредственно на производственной линии, когда анализаторы встроены в процесс – трубу или реактор) и полевого анализа (анализ вне лаборатории, в «полевых» условиях, где отсутствуют специальные условия для проведения анализа).

Развитие этой технологии меняет в целом подход к сбору и анализу данных. Доктор химических наук, завкафедрой «Аналитическая и физическая химия» Самарского политеха Андрей Богомолов занимается разработкой анализаторов нового типа – оптических мультисенсорных систем. Научный коллектив под руководством Богомолова, куда вошли аспиранты кафедры Егор Игнатьев и Александра Евсеева, а также магистрант института автоматики и информационных технологий Владислав Корнеев, предложил новые возможные пути развития машинного обучения в области анализа данных. Результаты их последних исследований нашли отражение в статье, опубликованной в престижном журнале Molecules (DOI: 10.3390/molecules28062770).

– Традиционно оптическая спектроскопия (группа методов качественного и количественного анализа веществ, основанных на изучении взаимодействия света с веществом в оптическом диапазоне длин волн (ультрафиолетовая, видимая, инфракрасная область спектра)) развивалась как сложное аналитическое решение, используемое в передовых технологиях и требующее дорогостоящего оборудования, – отмечает Богомолов. – Однако с ростом количества образцов и объектов, подлежащих аналитическому контролю, на передний план выступила проблема низкой производительности этого метода. Ответом стала разработка мультисенсорного подхода в оптической спектроскопии, инструментом которого является ОМС – специализированный анализатор, приспособленный для решения аналитических задач в различных научных и промышленных областях.

Сбор, визуализация, предварительная обработка и последующий анализ данных с использованием ОМС отличаются от традиционных методов и требуют пересмотра традиционных подходов к обработке информации. Ученые предполагают, что перспективным будет объединение программных средств хемометрики (дисциплина, занимающаяся извлечением полезной информации из химических данных с помощью математических методов, а также планированием эксперимента и подбором оптимальных условий его проведения.) и машинного обучения. Это в равной степени применимо к различным мультисенсорным системам, включая акустические, электрохимические или гибридные.

– Переход от оптической спектроскопии общего назначения к специализированным мультисенсорным системам отражается на арсенале хемометрики и обработки данных в целом. Хемометрика переходит на новый уровень: с этапа анализа данных на этап сбора данных при разработке аналитических методов. По мере того, как измерения, генерируемые мультисенсорными системами, начинают попадать в категорию больших данных, особое внимание следует уделять соответствующим алгоритмам обработки данных, – пояснил Андрей Богомолов.