論文の概要: Dynamic imaging and characterization of volatile aerosols in e-cigarette
emissions using deep learning-based holographic microscopy
- arxiv url: http://arxiv.org/abs/2104.00525v1
- Date: Wed, 31 Mar 2021 06:29:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 13:21:41.229701
- Title: Dynamic imaging and characterization of volatile aerosols in e-cigarette
emissions using deep learning-based holographic microscopy
- Title（参考訳）: 深層学習型ホログラフィ顕微鏡による電子タバコ排出中の揮発性エアロゾルの動的イメージングとキャラクタリゼーション
- Authors: Yi Luo, Yichen Wu, Liqiao Li, Yuening Guo, Ege Cetintas, Yifang Zhu,
Aydogan Ozcan
- Abstract要約: 計算顕微鏡と深層学習を用いて粒子状物質(PM)の揮発性を測定する手法を提案する。
この方法は、主にプロピレングリコール(PG)、植物グリセリン(VG)、ニコチン、および香料化合物からなる液体混合物(e液体)を蒸発させる電子タバコ(e-cigs)によって生成されたエアロゾルに適用された。
- 参考スコア（独自算出の注目度）: 8.170865328397662
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Various volatile aerosols have been associated with adverse health effects;
however, characterization of these aerosols is challenging due to their dynamic
nature. Here we present a method that directly measures the volatility of
particulate matter (PM) using computational microscopy and deep learning. This
method was applied to aerosols generated by electronic cigarettes (e-cigs),
which vaporize a liquid mixture (e-liquid) that mainly consists of propylene
glycol (PG), vegetable glycerin (VG), nicotine, and flavoring compounds. E-cig
generated aerosols were recorded by a field-portable computational microscope,
using an impaction-based air sampler. A lensless digital holographic microscope
inside this mobile device continuously records the inline holograms of the
collected particles. A deep learning-based algorithm is used to automatically
reconstruct the microscopic images of e-cig generated particles from their
holograms, and rapidly quantify their volatility. To evaluate the effects of
e-liquid composition on aerosol dynamics, we measured the volatility of the
particles generated by flavorless, nicotine-free e-liquids with various PG/VG
volumetric ratios, revealing a negative correlation between the particles'
volatility and the volumetric ratio of VG in the e-liquid. For a given PG/VG
composition, the addition of nicotine dominated the evaporation dynamics of the
e-cig aerosol and the aforementioned negative correlation was no longer
observed. We also revealed that flavoring additives in e-liquids significantly
decrease the volatility of e-cig aerosol. The presented holographic volatility
measurement technique and the associated mobile device might provide new
insights on the volatility of e-cig generated particles and can be applied to
characterize various volatile PM.
- Abstract（参考訳）: 様々な揮発性エアロゾルは健康に悪影響を及ぼすが、これらのエアロゾルの特徴は、そのダイナミックな性質のために困難である。
本稿では,計算顕微鏡と深層学習を用いて粒子状物質(PM)の揮発性を直接測定する手法を提案する。
主にプロピレングリコール(PG)、野菜グリセリン(VG)、ニコチン(Nicotine)、香料化合物からなる液体混合物(e-quid)を蒸発させる電子タバコ(e-cigs)が生成するエアロゾルに適用した。
e-cig生成エアロゾルは、衝突型エアサンプラーを用いて電場可搬型顕微鏡で記録された。
この移動装置内のレンズレスデジタルホログラフィー顕微鏡は、収集した粒子のインラインホログラムを連続的に記録する。
ディープラーニングに基づくアルゴリズムは、ホログラムからe-cig生成粒子の微視的画像を自動的に再構成し、そのボラティリティを迅速に定量化する。
エアロゾル力学に及ぼすE-液組成の影響を評価するため, 種々のPG/VG容積比を持つフレーバーレス, ニコチンフリーのE-液の揮発性を測定し, 粒子の揮発性とVGの体積比との負の相関を明らかにした。
所定のPG/VG組成では, ニコチンの添加がe-シグエアロゾルの蒸発動態を支配し, 上記の負相関はもはや観察されなかった。
また,e液中のフレーバー添加剤はe-cigエアロゾルの揮発性を大幅に低下させることが明らかとなった。
ホログラフィックボラティリティ測定手法と関連するモバイルデバイスは,e-cig生成粒子のボラティリティに関する新たな知見を提供し,各種揮発性pmの特性評価に応用することができる。
関連論文リスト
- The Sound of Water: Inferring Physical Properties from Pouring Liquids [85.30865788636386]
注水液の音響・視覚観測と物理の関連性について検討した。
本研究の目的は, 液位, 容器形状, 注水速度, 充填時間などの物性を自動的に推定することである。
論文 参考訳（メタデータ） (2024-11-18T01:19:37Z) - Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。
適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
論文 参考訳（メタデータ） (2024-11-01T12:59:25Z) - Learning to Simulate Aerosol Dynamics with Graph Neural Networks [3.3827383663816364]
大気エアロゾルが気候、天候、大気品質に与える影響は、個々の粒子の特性に依存する。
粒子分解モデルは、粒子物理化学的性質においてこの多様性を捉えることができる唯一のモデルであり、これらのモデルは計算的に高価である。
本稿では,このモデルを用いて粒子分解モデルPartMC-MOSAICのサロゲートを学習する。
結果は、フレームワークが化学力学を正確に学習し、異なるシナリオをまたいで一般化し、効率的なトレーニングと予測時間を達成する能力を示す。
論文 参考訳（メタデータ） (2024-09-20T19:21:43Z) - A Structured Framework for Predicting Sustainable Aviation Fuel Properties using Liquid-Phase FTIR and Machine Learning [0.0]
本研究では, 精密な分子, 航空燃料, ブレンドの精度, 解釈可能な特性予測モデルを構築するための構造的手法を提案する。
この手法は、FTIRスペクトルを非負行列因子化を用いて基本構造ブロックに分解する。
NMFの機能は、最終沸点、点火点、凍結点、密度15C、運動粘度-20Cを予測するための5つのアンサンブルモデルを作成するために使用される。
論文 参考訳（メタデータ） (2024-08-02T18:43:22Z) - Distilling Diffusion Models into Conditional GANs [90.76040478677609]
複雑な多段階拡散モデルを1段階条件付きGAN学生モデルに蒸留する。
E-LatentLPIPSは,拡散モデルの潜在空間で直接動作する知覚的損失である。
我々は, 最先端の1ステップ拡散蒸留モデルよりも優れた1ステップ発生器を実証した。
論文 参考訳（メタデータ） (2024-05-09T17:59:40Z) - Data-Efficient Molecular Generation with Hierarchical Textual Inversion [48.816943690420224]
分子生成のための階層型テキスト変換法 (HI-Mol) を提案する。
HI-Molは分子分布を理解する上での階層的情報、例えば粗い特徴ときめ細かい特徴の重要性にインスパイアされている。
単一レベルトークン埋め込みを用いた画像領域の従来のテキストインバージョン法と比較して, マルチレベルトークン埋め込みにより, 基礎となる低ショット分子分布を効果的に学習することができる。
論文 参考訳（メタデータ） (2024-05-05T08:35:23Z) - LiqD: A Dynamic Liquid Level Detection Model under Tricky Small
Containers [5.361320134021586]
本稿では,U2-Netに基づくコンテナ動的液位検出モデルを提案する。
実験結果から, 容器内の液体の動的液体レベル変化を効果的に検出できることが示唆された。
論文 参考訳（メタデータ） (2024-03-13T05:53:25Z) - Understanding and Visualizing Droplet Distributions in Simulations of
Shallow Clouds [13.200838744804942]
我々は,ドロップレットサイズを整理する上で,新規かつ直感的に可視化する。
液滴スペクトルの進化はエアロゾル準位に類似しているが、異なる速度で起こる。
この類似性は、降水開始過程は、開始時期の変動にもかかわらず類似していることを示している。
論文 参考訳（メタデータ） (2023-10-31T04:25:00Z) - Reduce, Reuse, Recycle: Compositional Generation with Energy-Based Diffusion Models and MCMC [102.64648158034568]
拡散モデルは、多くの領域において、生成モデリングの一般的なアプローチとなっている。
本稿では,新しい構成演算子の利用を可能にする拡散モデルのエネルギーベースパラメータ化を提案する。
これらのサンプルは、幅広い問題にまたがって構成生成の顕著な改善につながっている。
論文 参考訳（メタデータ） (2023-02-22T18:48:46Z) - NeuroFluid: Fluid Dynamics Grounding with Particle-Driven Neural
Radiance Fields [65.07940731309856]
深層学習は流体のような複雑な粒子系の物理力学をモデル化する大きな可能性を示している。
本稿では,流体力学グラウンドリング(fluid dynamics grounding)として知られる,部分的に観測可能なシナリオについて考察する。
我々はNeuroFluidという2段階の異なるネットワークを提案する。
初期形状、粘度、密度が異なる流体の基礎物理学を合理的に推定することが示されている。
論文 参考訳（メタデータ） (2022-03-03T15:13:29Z) - Metal-Oxide Sensor Array for Selective Gas Detection in Mixtures [0.0]
我々は機械学習アルゴリズムとともに,モノリシックでマイクロファブリケートな金属酸化物半導体(MOS)センサアレイを提案する。
異なる温度でピクセルを走らせることで得られる高次元データは、機械学習アルゴリズムのトレーニングに使用される。
その結果, 混合ガス中の個々のガス濃度の予測には, MOS元素の多量性と, 様々な温度で測定する能力が不可欠であることが示唆された。
論文 参考訳（メタデータ） (2021-02-25T16:43:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。