Проекты*

Определение ионного состава водных растворов с помощью лазерной спектроскопии комбинационного рассеяния и метода искусственных нейронных сетей

Работа победителя открытой городской научно-практической конференции «Наука для жизни» в секции «Оптика. Лазерные технологии» среди работ учащихся 10−11 классов

Направление работы: Лазерная спектроскопия
Авторы работы: ГБОУ Школа имени Маршала В.И. Чуйкова
Предметы: Физика
Классы: 11 класс
Мероприятия: Открытая городская научно-практическая конференция «Наука для жизни» 2020 года

Актуальность

В настоящее время всё более актуальным становится рациональное и эффективное использование природных ресурсов нашей планеты, в том числе и водных. Для этого, в первую очередь, требуется экспресс-диагностика многокомпонентных водных сред. Сочетание метода лазерной спектроскопии комбинационного рассеяния (КР) и метода искусственных нейронных сетей (ИНС) позволяет быстро и с минимальным вмешательством в исследуемую среду провести её качественный и количественный анализ.

Цель

Изучение методов лазерной спектроскопии КР и ИНС, выбор и обучение ИНС с различной архитектурой для определения типа и концентрации солей в воде с применением метода лазерной спектроскопии КР.

Описание работы

Для решения задачи определения типа и концентрации солей в воде использовалась установка, схема которой представлена на рисунке

Возбуждение сигнала комбинационного рассеяния осуществлялось с помощью твердотельного лазера с длиной волны излучения 532 нм. Мощность лазера составляла 400 мВт. Сигнал регистрировался с помощью спектрометра, состоящего из монохроматора, собранного по схеме Черни-Тернера (производство Acton, модель 2500i) и CCD-камеры (производство Horiba, модель Syncerity ). Фокусное расстояние монохроматора равнялось 500 мм, использовалась решётка 900 штр/мм. Такие параметры монохроматора обеспечивали спектральное разрешении 1 см-1. Для подавления упругого рассеяния использовался edge-фильтр (производство Semrock).

Автором была изучена литература по теме комбинационного рассеяния и искусственных нейронных сетей. Объектами исследования были водные растворы солей MgSO4, LiCL, LiNO3, (NH4)2SO4, KHCO3, NaCl, Mg(NO3)2, NaHCO3, KF, NH4F. Были приготовлены растворы с числом компонентов от 2-х до 6-ти. Концентрация варьировалась от 0 до 1.25 М. На этих растворах было получено 303 спектра КР.

Для решения поставленной задачи использовались следующие архитектуры нейронной сети: трёхслойный персептрон с одним скрытым слоем (число нейронов в скрытом слое составляло 32, 64, 128), многослойный персептрон с двумя скрытыми слоями (с 64 нейронами в первом скрытом слое и 32 нейронами во втором слое). Нейронные сети были обучены на имеющихся спектрах. Итоговая средняя точность получилась 0.05 М.

Автор занимался изучением необходимых разделов физики и математики, вычислял необходимое количество различных солей для растворов, замерял спектры итоговых водных сред, подготавливал спектры для обучения ИНС, обучал нейросети, а также занимался расчётом итоговой точности. Основной задачей автора было участие в каждом этапе научной работы.

Результаты работы/выводы

  1. Получен массив более чем из 300 спектров КР водных растворов многокомпонентных солей MgSO4, LiCL, LiNO3, (NH4)2SO4, KHCO3, NaCl, Mg(NO3)2, NaHCO3, KF, NH4F.
  2. Подготовлены ИНС с четырьмя различными архитектурами, которые позволяют определять концентрацию указанных солей по спектрам КР.
  3. Установлено, что наилучшая точность определения концентрации солей достигается с помощью архитектуры персептрон с двумя скрытыми слоями (с 64 и 32 нейронами в скрытых слоях). Средняя точность определения концентрации составила 0.05 М.

Проведённые эксперименты позволяют сделать следующие выводы.

  1. Сочетание методов спектроскопии КР и ИНС позволяет определять концентрацию солей со средней точностью, достаточной для решения большинства практических задач.
  2. Выбор архитектуры сети существенно влияет на точность решения задачи.
  3. Наилучшая точность достигается применением персептрона с двумя скрытыми слоями (с 64 и 32 нейронами в скрытых слоях).

Перспективы использования результатов работы

Представленный алгоритм можно адаптировать под любое количество солей (ионов), что позволит анализировать образцы водных сред с неизвестным количественным и качественным составом. Такая возможность позволяет использовать данный алгоритм, а также ранее натренированные ИНС в различных крупных экологических исследованиях.

Сотрудничество с вузом/учреждением при создании работы

Кафедра квантовой электроники физического факультета МГУ имени М. В. Ломоносова, лаборатория лазерной спектроскопии растворов супрамолекулярных соединений и наноструктур