機械学習を用いた光酸化濃縮蛍光膜によるガス状水銀検出の強化

科学分野:

• 環境科学
• 分析化学
• 材料科学

背景:

• 石炭火力発電所の排ガスからの水銀汚染は、重大な環境および健康リスクをもたらします。
• 既存の水銀検出方法では、複雑な手順と精度の低さに悩まされることがよくあります。

研究 の 目的:

• 排ガス中のガス状水銀を検出するための、費用対効果が高く忠実度の高いセンサーを開発すること。
• 検出精度を向上させるために機械学習を統合すること。

主な方法:

• B,Nドープ炭素ドット-AgCl/Ag蛍光膜センサー（CDs-AgCl/Ag）の作製。
• 可視光励起を用いた光制御酸化および濃縮戦略の利用。
• 銀ナノ粒子の表面プラズモン共鳴を利用したHg⁰のin situ酸化。
• B,Nドープ炭素ドットによるHg²⁺の捕捉による蛍光応答の誘発。
• 機械学習モデル（線形回帰、サポートベクター回帰）を用いた蛍光画像データの解析。

主要な成果:

• ガス状水銀の検出限界3.2 × 10⁻⁷ g m⁻³を達成しました。
• 従来の検出方法と比較して感度が310倍向上しました。
• 機械学習モデルを使用して水銀検出の精度を97%達成しました。
• 線形回帰およびサポートベクター回帰モデルは優れた適合性能を示しました。

結論:

• 開発されたCDs-AgCl/Ag蛍光膜センサーと機械学習の統合は、ガス状水銀検出のための新規かつ効果的なアプローチを提供します。
• このシステムは、従来の検出方法と比較して、優れた感度、低コスト、および環境への影響の低減を実現します。
• このセンサーは、排ガス中の水銀汚染の実用的な環境モニタリングにおいて大きな可能性を示しています。