Porøse materialer og maskinlæring giver en billig mikroplastisk overvågningsmetode

Optisk analyse og maskinlæringsteknikker kan nu let detektere mikroplast i hav- og ferskvandsmiljøer ved hjælp af billige porøse metalsubstrater. Detaljer om metoden, udviklet af forskere ved Nagoya University med samarbejdspartnere ved National Institute for Materials Sciences i Japan og andre, er offentliggjort i tidsskriftet Nature Communications .

Detektering og identifikation af mikroplast i vandprøver er afgørende for miljøovervågning, men er udfordrende på grund af mikroplastiks strukturelle lighed med naturlige organiske forbindelser afledt af biofilm, alger og rådnende organisk materiale. Eksisterende detektionsmetoder kræver generelt komplekse adskillelsesteknikker, der er tidskrævende og dyre.

"Vores nye metode kan samtidig adskille og måle mængden af ​​seks nøgletyper af mikroplastik - polystyren, polyethylen, polymethylmethacrylat, polytetrafluorethylen, nylon og polyethylenterephthalat," siger Dr. Olga Guselnikova fra National Institute for Materials Science (NIMS).

Systemet bruger et porøst metalskum til at fange mikroplast fra opløsning og detektere dem optisk ved hjælp af en proces kaldet overfladeforstærket Raman-spektroskopi (SERS). "De opnåede SERS-data er meget komplekse," forklarer Dr. Joel Henzie fra NIMS, "men de indeholder mærkbare mønstre, som kan fortolkes ved hjælp af moderne maskinlæringsteknikker."

For at analysere dataene oprettede holdet en neural netværkscomputeralgoritme kaldet SpecATNet. Denne algoritme lærer, hvordan man fortolker mønstrene i de optiske målinger for at identificere målmikroplastik hurtigere og med højere nøjagtighed end traditionelle metoder.

"Vores procedure rummer et enormt potentiale til at overvåge mikroplastik i prøver, der er opnået direkte fra miljøet, uden forbehandling nødvendig, samtidig med at den er upåvirket af mulige kontaminanter, der kan interferere med andre metoder," siger professor Yusuke Yamauchi fra Nagoya University.

Forskerne håber, at deres innovation i høj grad vil hjælpe samfundet med at vurdere betydningen af ​​mikroplastikforurening på folkesundheden og sundheden for alle organismer i hav- og ferskvandsmiljøer. Ved at skabe billige mikroplastiksensorer og open source-algoritmer til at fortolke data håber de at muliggøre hurtig detektion af mikroplastik, selv i ressourcebegrænsede laboratorier.

I øjeblikket giver materialer, der kræves til det nye system, omkostningsbesparelser på 90 % til 95 % sammenlignet med kommercielt tilgængelige alternativer. Gruppen planlægger at reducere omkostningerne ved disse sensorer endnu mere og gøre metoderne nemme at replikere uden behov for dyre faciliteter. Derudover håber forskerne at udvide SpecATNets neurale netværks evne til at detektere et bredere udvalg af mikroplastik og endda acceptere forskellige slags spektroskopiske data ud over SERS-data.

Flere oplysninger: Naturkommunikation (2024). DOI:10.1038/s41467-024-48148-w

Journaloplysninger: Nature Communications

Leveret af Nagoya University