Künstliche Nase erschnüffelt Giftgase sofort

Nase: dient als Vorbild für die Erkennung von Giftgasen (Foto: PublicDomainPictures, pixabay.com)

Charlottesville (pte002/07.11.2024/06:05) - Forscher der University of Virginia School of Engineering and Applied Science ( https://engineering.virginia.edu/ ) haben ein KI-gestütztes System entwickelt, das den menschlichen Geruchssinn nachahmt und giftige Gase in Echtzeit erkennt. Mithilfe künstlicher neuronaler Netze in Kombination mit einem Sensornetzwerk identifiziert das System zudem schnell die Quelle schädlicher Gase wie Stickstoffdioxid (NO2), die ein hohes Risiko für Atemwegserkrankungen darstellen. Eine Weiterentwicklung des Systems wird auch andere Giftgase erkennen können.

Chemische Reaktionen verstärkt

Das innovative System basiert auf Nanoinseln aus Metallkatalysatoren, die in Graphenoberflächen eingebettet sind. Fängt das Graphen NO2-Moleküle ein, ändert sich die Leitfähigkeit des Sensors, sodass das System Gaslecks mit hoher Empfindlichkeit erkennt.

"Nanoinseln aus Metallkatalysatoren sind winzige Klumpen von Metallpartikeln. Sie verstärken chemische Reaktionen, indem sie die Oberfläche vergrößern, auf der Gasmoleküle interagieren können, wodurch eine präzise Erkennung toxischer Gase ermöglicht wird", so Postdoc Yongmin Baek.

Leckerkennung dank Maschinenlernen

"Die künstlichen Geruchsrezeptoren sind in der Lage, selbst kleinste Veränderungen in der Gaskonzentration zu erkennen und diese Daten an ein rechnergestütztes System in der Nähe des Sensors zu übermitteln, das mithilfe von Algorithmen für maschinelles Lernen die Quelle des Lecks vorhersagt", sagt Baeks Kollege Kyusang Lee.

"Unser KI-gestütztes System hat das Potenzial, industrielle Umgebungen, städtische Gebiete und sogar Wohngebäude durch die ständige Überwachung der Luftqualität sicherer zu machen. Es ist ein großer Schritt nach vorne, um langfristige Gesundheitsrisiken zu vermeiden und die Umwelt zu schützen", ergänzt Doktorand Byungjoon Bae.

Das künstliche neuronale Netz des Systems analysiert in Echtzeit die Daten der Sensoren, die nach einem bestimmten Algorithmus platziert sind, um Rückschlüsse auf die Gasquellen zuzulassen. Die Standorte werden durch Techniken des maschinellen Lernens optimiert, um eine möglichst schnelle Erkennung der Gasquellen sicherzustellen.

(Ende)