LIBSを使用したハイパー蓄積器におけるアルセンの定量化のためのマルチビューの線形的に制約された表状事前データフィットネットワーク (MLC-TabPFN) モデル
Liuye Cao1, Jing Huang2, Lei Feng1
1State Key Laboratory for Vegetation Structure, Function and Construction (VegLab), College of Biosystems Engineering and Food Science, Zhejiang University, 866 Yuhangtang Road, Hangzhou 310058, China.
Journal of hazardous materials
|February 19, 2026
まとめ
この研究では,レーザー誘導分解光譜法 (LIBS) を使用したプラントでの精密なヒ素定量化のための新しいマルチビュー線形制約表状の事前データフィットネットワーク (MLC-TabPFN) が導入されています. 先進的なモデルは,植物修復評価の精度を大幅に改善します.
科学分野:
- アナリティカル・ケミストリー (Analytical Chemistry) とは
- 環境科学 環境科学
- バイオテクノロジー バイオテクノロジー
背景:
- Pteris vittataのようなハイパー蓄積装置の植物における精確なヒ素 (As) 定量化は,植物修復効率の評価に不可欠である.
- レーザー誘発分解光譜 (LIBS) は迅速な分析を提供しているが,生物マトリックス効果や従来の化学測定モデルでは課題に直面している.
- 既存の方法は,複雑なサンプル組成により,高い精度を達成するために苦労しています.
研究 の 目的:
- LIBSを使用したPteris vittataにおけるヒ素検出のための新しい,高精度の定量モデルを開発する.
- 複雑な生物マトリックスにおける伝統的な化学測定アプローチの限界を克服するために.
- データ主導の学習と知識主導の原則を統合して,分析性能を向上させる.
主な方法:
- マルチビュー・ラインナリー・コンテインド・タブラー・プリリアー・データ・フィット・ネットワーク (MLC-TabPFN) モデルの開発と応用.
- 線形制約 (Linear Constraint,LC) モジュールの統合により,物理的な先行値 (スペクトルの強度と濃度の正の相関) が組み込まれます.
- オリジナルスペクトルとデリバティブスペクトル (ファースト・オーダーとセカンド・オーダー) を組み合わせるマルチビュー・フュージョン・モジュールの実装.
主要な成果:
- ベースラインのTabPFNモデルは,より高い予測決定係数 (R2p = 0.956 vs 0.933) でPLSRを上回った.
- LCモジュールは,平均絶対パーセント誤差 (MAPEp) を8.537%から7.641% (R2p = 0.971) に減らしました.
- 最終的なMLC-TabPFNモデルは,より優れたR2p0.981を達成し,RMSEpは40.189 mg/kg,MAPEpは6.249%でした.
結論:
- 提案されたMLC-TabPFNフレームワークは,複雑な生物マトリックスにおけるヒ素の高精度LIBS分析のための優れたソリューションを提供します.
- 先進的な機械学習と物理領域の知識の相乗効果の組み合わせは,分析の精度を大幅に高めます.
- このアプローチは,精密な元素定量化を通じて,改善された植物修復効果評価の可能性を検証しています.
