在表面增强的拉曼光谱图上使用基于注意力的变压器检测和量化酸芳香爆炸物.
Bo Li1, Giulia Zappalá2, Elodie Dumont2
1Department of Applied Mathematics and Computer Science, Technical University of Denmark, 2800 Lyngby, Denmark. blia@dtu.dk.
The Analyst
|August 21, 2023
概括
本研究引入了一种人工智能模型,该模型使用原始表面增强拉曼光谱 (SERS) 地图检测和量化酸芳香爆炸物,提高公共安全应用的准确性和效率.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 检测酸芳香爆炸物对于安全至关重要.
- 表面增强拉曼光谱 (SERS) 为爆炸物检测提供了高灵敏度.
- 当前的SERS分析通常涉及耗时的光谱数据预处理.
研究的目的:
- 开发一种使用原始SERS地图检测和量化酸芳香爆炸物的新方法.
- 为了克服传统SERS数据预处理的局限性.
- 为了提高爆炸物检测的准确性和效率.
主要方法:
- 开发了一个基于注意力的视觉变换器神经网络.
- 该模型将原始SERS地图作为直接输入,消除了预处理.
- 创建了2,4-丁醇 (DNP) 和酸 (PA) 的新SERS数据集,以及一个4-尼托乙醇 (4-NBT) 数据集.
主要成果:
- 与现有方法相比,拟议的AI方法在检测和量化准确性方面表现出具有竞争力或优异的性能.
- 该模型成功检测了低至1nM度的分析物.
- 该模型生成的注意力地图在SERS地图中识别了信号与噪音比率高的区域.
结论:
- 使用原始SERS地图与基于注意力的视觉变压器是爆炸物检测和量化的一个有希望的替代方案.
- 这种方法降低了计算成本,并避免了与光谱平均值相关的信息丢失.
- 这种方法为爆炸物分析提供了更有效,更准确的途径.
更多相关视频
11:44Surface Enhanced Raman Spectroscopy Detection of Biomolecules Using EBL Fabricated Nanostructured Substrates
Published on: March 20, 2015
20.4K
07:57Quantitative Detection of Trace Explosive Vapors by Programmed Temperature Desorption Gas Chromatography-Electron Capture Detector
Published on: July 25, 2014
20.0K
