Aprendizaje automático guiado por la física para la cuantificación en tiempo real y sin contacto del volumen de...

Área de la Ciencia:

• Química Analítica
• Biotecnología
• Aprendizaje Automático

Sus antecedentes:

• El flujo ciclónico a temperatura ambiente permite la concentración eficiente de muestras para análisis sensibles.
• La cuantificación precisa del volumen en tiempo real bajo flujo ciclónico es un desafío.
• Los métodos existentes carecen de precisión para el manejo de muestras de microvolumen.

Objetivo del estudio:

• Desarrollar un sistema sin contacto y basado en visión para el monitoreo preciso del volumen en tiempo real durante el flujo ciclónico.
• Aplicar un marco de aprendizaje automático guiado por la física (PGML) para mejorar la precisión y la robustez.
• Superar las limitaciones en la cuantificación de volúmenes de muestra bajo un intenso flujo ciclónico.

Principales métodos:

• Un sistema basado en visión integrado con un marco de aprendizaje automático guiado por la física (PGML).
• Utilización de una función de pérdida informada por la física que incrusta la geometría del contenedor para el entrenamiento de redes neuronales.
• Monitoreo y control en tiempo real de la concentración de muestras de mililitros a microlitros.

Principales resultados:

• El modelo PGML logró una reducción de casi el 70% en el error en comparación con los métodos basados en datos.
• Demostró un error de medición del 1.2% y un coeficiente de variación del 1.5% a un objetivo de 20 µL.
• El sistema cumple con los estrictos requisitos del bioensayo para la concentración cuantitativa de muestras.

Conclusiones:

• El sistema PGML desarrollado proporciona una cuantificación de volumen precisa y confiable en tiempo real para la concentración de flujo ciclónico.
• Este método sin contacto ofrece una solución potente para el manejo automatizado y preciso de muestras.
• La tecnología promete avanzar en diversas aplicaciones analíticas en biología y química.