論文の概要: Deep learning recognition and analysis of Volatile Organic Compounds based on experimental and synthetic infrared absorption spectra
- arxiv url: http://arxiv.org/abs/2512.06059v1
- Date: Fri, 05 Dec 2025 17:43:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-09 22:03:54.175075
- Title: Deep learning recognition and analysis of Volatile Organic Compounds based on experimental and synthetic infrared absorption spectra
- Title（参考訳）: 実験的および合成赤外吸収スペクトルに基づく揮発性有機化合物の深層学習認識と分析
- Authors: Andrea Della Valle, Annalisa D'Arco, Tiziana Mancini, Rosanna Mosetti, Maria Chiara Paolozzi, Stefano Lupi, Sebastiano Pilati, Andrea Perali,
- Abstract要約: 揮発性有機化合物(VOC)は人間の健康に重大なリスクをもたらす。
赤外線分光法は、大気中のVOCの低濃度での超感度検出を可能にする。
ディープニューラルネットワーク(NN)は、複雑なデータ構造の認識にますます利用されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Volatile Organic Compounds (VOCs) are organic molecules that have low boiling points and therefore easily evaporate into the air. They pose significant risks to human health, making their accurate detection the crux of efforts to monitor and minimize exposure. Infrared (IR) spectroscopy enables the ultrasensitive detection at low-concentrations of VOCs in the atmosphere by measuring their IR absorption spectra. However, the complexity of the IR spectra limits the possibility to implement VOC recognition and quantification in real-time. While deep neural networks (NNs) are increasingly used for the recognition of complex data structures, they typically require massive datasets for the training phase. Here, we create an experimental VOC dataset for nine different classes of compounds at various concentrations, using their IR absorption spectra. To further increase the amount of spectra and their diversity in term of VOC concentration, we augment the experimental dataset with synthetic spectra created via conditional generative NNs. This allows us to train robust discriminative NNs, able to reliably identify the nine VOCs, as well as to precisely predict their concentrations. The trained NN is suitable to be incorporated into sensing devices for VOCs recognition and analysis.
- Abstract（参考訳）: 揮発性有機化合物(VOCs)は、沸点が低く、空気中に容易に蒸発する有機分子である。
それらは人間の健康に重大なリスクをもたらし、被曝をモニターし最小化する努力の欠如を正確に検出する。
赤外線分光法により、大気中のVOCの低濃度での紫外線吸収スペクトルを測定することができる。
しかし、IRスペクトルの複雑さは、リアルタイムにVOC認識と定量化を実装する可能性を制限する。
深層ニューラルネットワーク(NN)は複雑なデータ構造の認識にますます利用されているが、トレーニングフェーズには大量のデータセットが必要になるのが一般的である。
そこで我々は, 赤外線吸収スペクトルを用いて, 9種類の化合物について, 様々な濃度で実験的なVOCデータセットを作成する。
VOC濃度の観点からスペクトルの量と多様性をさらに高めるために,条件付き生成NNを用いて合成スペクトルを作成した実験データセットを増強する。
これにより、堅牢な差別的NNを訓練し、9つのVOCを確実に識別し、その濃度を正確に予測することができる。
訓練されたNNは、VOCの認識と分析のためのセンシング装置に組み込むのに適している。
関連論文リスト
- SpectrumFM: Redefining Spectrum Cognition via Foundation Modeling [65.65474629224558]
本稿ではスペクトル認識のための新しいパラダイムを提供するスペクトルFMと呼ばれるスペクトル基盤モデルを提案する。
畳み込みニューラルネットワークを利用した革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバルな依存関係の両方を効果的に捕捉する。
2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測が、SpectrumFMの事前学習のために開発され、モデルがリッチで伝達可能な表現を学習できるようにする。
論文 参考訳（メタデータ） (2025-08-02T14:40:50Z) - LUMIR: an LLM-Driven Unified Agent Framework for Multi-task Infrared Spectroscopy Reasoning [12.138903544219724]
本研究では,低データ条件下での正確な赤外分光分析を実現するためのフレームワークであるLUMIRを紹介する。
LUMIRは構造化文学知識ベース、自動前処理、特徴抽出、予測モデリングを統合パイプラインに統合する。
利用可能なミルク近赤外データセット、中国の薬草、貯蔵期間の異なるCitri Reticulatae Pericarpium(CRP)、産業排水CODデータセット、Tecator、Cornなど、さまざまなデータセットで検証された。
論文 参考訳（メタデータ） (2025-07-29T03:20:51Z) - Using machine learning to map simulated noisy and laser-limited multidimensional spectra to molecular electronic couplings [0.0]
実験的な2次元スペクトルデータに関連する因子が、シミュレーションされた2DESスペクトルを分子間電子カップリングにマッピングするNNの能力にどのように影響するかを示す。
人による2DESデータの解析とは対照的に,ポンプパルスの帯域幅と中心周波数に制約された場合,NNの精度は大幅に向上する。
論文 参考訳（メタデータ） (2025-03-19T21:40:00Z) - DiffMS: Diffusion Generation of Molecules Conditioned on Mass Spectra [60.39311767532607]
本稿では,DiffMSを提案する。DiffMS,式制限付きエンコーダ・デコーダ生成ネットワークは,このタスクにおける最先端性能を実現する。
遅延埋め込みと分子構造をブリッジするロバストデコーダを開発するために,フィンガー構造対による拡散デコーダの事前訓練を行う。
確立されたベンチマーク実験により、DiffMSはデノボ分子生成における既存のモデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2025-02-13T18:29:48Z) - Open-Path Detection of Organic Vapors via Quantum Infrared Spectroscopy [0.0]
QFTIR分光は、スペクトルの中赤外領域における従来の分光の代替として現れた。
大気中における複数の干渉性有機ガスの開路検出にQFTIR分光計を初めて使用した。
論文 参考訳（メタデータ） (2024-05-21T14:26:51Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳（メタデータ） (2023-02-09T20:19:57Z) - Quantum-enhanced absorption spectroscopy with bright squeezed frequency
combs [91.3755431537592]
本稿では,周波数変調分光の利点と,プローブ状態のスクイーズによるノイズ特性の低減を両立させる手法を提案する。
ホモダイン検出方式は、複数の周波数での吸収の同時測定を可能にする。
我々は、スキーズ係数と指数関数的にスケールする信号-雑音比の顕著な向上を予測した。
論文 参考訳（メタデータ） (2022-09-30T17:57:05Z) - Machine learning identification of organic compounds using visible light [0.0]
レーザーベースの技術は、リモート化学の識別に十分な電子的および振動的な情報を符号化する材料の光学的応答によって、自律的な化合物検出を約束している。
可視光領域における単波長分散測定に基づいて, 吸収共鳴から, 正確に有機種を識別できる機械学習分類器を開発した。
論文 参考訳（メタデータ） (2022-04-06T20:55:13Z) - Unsupervised Spectral Unmixing For Telluric Correction Using A Neural
Network Autoencoder [58.720142291102135]
本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
論文 参考訳（メタデータ） (2021-11-17T12:54:48Z) - Deep Neural Networks for the Correction of Mie Scattering in
Fourier-Transformed Infrared Spectra of Biological Samples [0.0]
本稿では,この複雑な前処理関数をディープニューラルネットワークを用いて近似する手法を提案する。
提案手法は, 時間と補正スペクトルとのトレードオフを克服し, 人工基準スペクトルに偏りを生じさせる。
論文 参考訳（メタデータ） (2020-02-18T16:07:07Z)
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。