Espectroscopia de gas FMCW mejorada por red neuronal

Área de la Ciencia:

• Espectroscopia con láser
• Detección de sustancias químicas
• La inteligencia artificial en la ciencia

Sus antecedentes:

• La espectroscopia láser se enfrenta a desafíos en la detección de gases multicomponentes, incluidas configuraciones y análisis complejos.
• Las redes neuronales ofrecen potencial para automatizar y optimizar los experimentos espectroscópicos.
• La detección precisa de gases es crucial para el monitoreo ambiental, el diagnóstico médico y el control de procesos industriales.

Objetivo del estudio:

• Desarrollar un sistema espectroscópico de onda continua modulada por frecuencia (FMCW) mejorado por una red neuronal de transmisión (FNN).
• Demostrar la capacidad del FNN para analizar espectros superpuestos para una determinación precisa de la concentración de gas.
• Mostrar el potencial del sistema para simplificar el procesamiento de señales y mejorar la precisión de las mediciones.

Principales métodos:

• Utilizando la espectroscopia FMCW para codificar los espectros de absorción de gases en señales ópticas.
• Entrenamiento de un algoritmo FNN para analizar espectros superpuestos de banda ancha para componentes específicos del gas.
• Realización de una demostración de prueba de concepto con mezclas de acetileno (C2H2) y dióxido de carbono (CO2).

Principales resultados:

• El FNN logró una alta precisión en la demodulación de gases mixtos: residuos < ± 2 ppm para C2H2 (100-900 ppm) y ± 0,3% para CO2 (80%-96%).
• La FNN demostró una respuesta dinámica lineal superior en comparación con los métodos tradicionales, con R2 > 0,99999 en 5 órdenes de magnitud.
• El sistema logró una cuantificación de alta precisión con el procesamiento simplificado de la señal.

Conclusiones:

• El sistema espectroscópico FMCW mejorado con FNN ofrece un enfoque prometedor para la detección precisa de gases multicomponentes.
• El método simplifica el análisis espectral y mejora la precisión de la medición, superando a las técnicas tradicionales.
• Esta tecnología es muy adecuada para la detección cuasi distribuida en aplicaciones ambientales, médicas e industriales.