Investigadores de la Facultad de Ingeniería y Ciencias Aplicadas de la Universidad de Virginia desarrollaron un sistema impulsado por inteligencia artificial que imita el sentido del olfato humano para detectar gases tóxicos en tiempo real. Utilizando redes neuronales artificiales avanzadas combinadas con una red de sensores, el sistema identifica rápidamente la fuente de gases nocivos como el dióxido de nitrógeno (¿NO?) que plantean graves riesgos para la salud respiratoria.
Según la Organización Mundial de la Salud, la contaminación del aire exterior, incluido el NO2A nivel mundial, contribuye a alrededor de 4,2 millones de muertes prematuras cada año, principalmente debido a enfermedades respiratorias como el asma y la enfermedad pulmonar obstructiva crónica (EPOC).
Su trabajo fue publicado recientemente. Avances en la ciencia.
Los sensores basados en grafeno imitan el olor humano.
El innovador sistema se basa en nanoislas de catalizadores metálicos incrustados en superficies de grafeno. El dispositivo funciona como una nariz artificial y reacciona con moléculas de gas tóxicas específicas. A medida que las moléculas de dióxido de nitrógeno se unen al grafeno, la conductividad del sensor cambia, lo que permite que el sistema detecte emisiones de gases con alta sensibilidad.
“Las nanoislas de catalizadores metálicos son pequeños grupos de partículas metálicas depositadas en una superficie, como el grafeno, que mejoran las reacciones químicas al aumentar el área de superficie para que interactúen las moléculas de gas, reduciendo así la liberación de gases tóxicos. Ayuda con una detección precisa. ” dijo Yongmin Baek. Científico investigador en el Departamento de Ingeniería Eléctrica e Informática liderando la I+D de sensores.
Kyusang Lee, profesor asociado de ingeniería eléctrica e informática e ingeniería de ciencias de los materiales, y uno de los investigadores principales del proyecto, explica: “Al integrar la IA con sensores de gas de última generación, podemos identificar las emisiones de gases. Con extraordinaria precisión, Incluso en entornos grandes o complejos, los receptores olfativos artificiales son capaces de detectar pequeños cambios en la concentración de gas y transmitir estos datos a sistemas informáticos de sensores cercanos que utilizan algoritmos de aprendizaje automático para predecir la fuente de la fuga.
La red neuronal optimiza la ubicación del sensor.
La red neuronal artificial del sistema analiza los datos de los sensores en tiempo real basándose en la ubicación óptima de los sensores para garantizar la cobertura y el rendimiento del sistema. Esta optimización es posible gracias a un “algoritmo de optimización bayesiano de región de confianza”, una técnica de aprendizaje automático que divide problemas complejos en regiones más pequeñas para encontrar las posiciones de sensores más eficientes. Esto garantiza que se utilicen menos recursos durante la detección rápida y precisa de fugas de gas.
Doctorado en Ingeniería Eléctrica e Informática. El estudiante Byungjoon Bae agregó: “Nuestro sistema impulsado por IA tiene el potencial de hacer que los entornos industriales, las áreas urbanas e incluso los edificios residenciales sean más seguros al monitorear continuamente la calidad del aire. Puede reducir los riesgos para la salud a largo plazo”. proteger el medio ambiente.”
El artículo, titulado “Una red de receptores olfativos artificiales para la monitorización espaciotemporal de gases tóxicos”, se publicó en Science Advances. El equipo de investigación incluye a Yong Man Baek, Byungjun Bi, Jeong Yang, Winjin Cho, Anbu Sim, Jeon Wook Yoo, Seokhyun Chung, Jun Seok Hyo y Kyosang Lee, quienes colaboraron en instituciones como la Universidad de Virginia y la Universidad de Aju.
Esta investigación fue apoyada por el Programa de Desarrollo de Tecnología Estratégica Industrial (20014247 y 20026440) financiado por el Ministerio de Comercio, Industria y Energía (MOTIE, Corea), la Fundación Nacional de Investigación de Corea (NRF) y la Fuerza Aérea de EE. UU. realizado por la Oficina de Corea. Programa de Jóvenes Investigadores de Investigación Científica (FA9550-23-1-0159) con el apoyo de la Fundación Nacional de Ciencias (NSF ECCS-1942868 y NSF ECCS-2332060).
