Машинное обучение помогает по-новому обнаруживать загрязнители почвы

Исследователи из Университета Райса и Медицинского колледжа Бейлора разработали новую стратегию выявления опасных загрязняющих веществ в почве, включая те, которые никогда не были выделены или изучены в лаборатории.

Новый метод, описанный в исследовании, опубликованном в Proceedings of the National Academy of Sciences, использует световую визуализацию, теоретические предсказания спектров соединений и алгоритмы машинного обучения для обнаружения токсичных соединений, таких как полициклические ароматические углеводороды и их производные. Эти соединения, часто являющиеся побочным продуктом горения, связывают с развитием рака, проблемами в развитии и другими серьёзными заболеваниями. Обычно для идентификации загрязнителей требуются продвинутые лаборатории и физические образцы-стандарты, но для многих опасных веществ такие экспериментальные данные отсутствуют.

Метод решает критический пробел в экологическом мониторинге, открывая путь к обнаружению гораздо более широкого спектра опасных соединений, в том числе тех, которые изменились с течением времени. Это особенно важно для почвы — динамичной среды, где химические вещества могут трансформироваться, становясь труднее обнаруживаемыми. Исследователи протестировали метод на почве из восстановленного водосбора, и он надёжно выявил даже минимальные следы загрязнителей, используя более простой и быстрый процесс, чем традиционные техники.

«Этот метод позволяет идентифицировать химические вещества, которые ещё не были выделены экспериментально», — отметила Наоми Халас, профессор электротехники и вычислительной техники в Университете Райса. В будущем интеграция алгоритмов машинного обучения и теоретической библиотеки спектров с портативными рамановскими устройствами может позволить проводить полевые испытания на месте, упростив проверку почвы для фермеров и экоагентств.