Derin Spektroskopi: Derin Öğrenme Yöntemleri ile Karmaşık Numunelerin Ftir Spektrumlarının Incelenmesi

Abstract

Bu proje karmaşık ve değişken numunelerin analizi için, kızılötesi emilim spektrometrisi (FTIR) kullanarak numunenin üst katman gazlarından kimyasal parmak izi üretilmesi ve çıkan spektral parmak izlerinin bir bütün olarak istatistiksel öğrenme yöntemleri ve özel olarak modern sinir ağları mimarileri kullanılarak sınıflandırılması, nitel ve nicel olarak belirlenmesi hakkındadır. Karmaşıklıkla kastedilen, spektroskopik incelemelerde numuneyi belirleyen çok sayıda bileşenin mevcut oluşu ve her bir bileşenin çok detaylı bir spektral parmak izi deseni ile belirleniyor olması; değişkenlikle kastedilen ise, söz konusu numunelerin doğada veya teknolojik uygulamalarda karşılaşılan örneklerinin, kendi aralarında analitik farklılıklar göstermekle beraber, algısal/bütünsel sınıflandırmaya da imkân veren ortak değişmez, arketipsel öz nitelikleri barındırmasıdır. Örneğin pek çok bileşenden oluşan parfüm ve esanslar, motorin ve jet yakıtları, kömür çeşitleri, hava kirliliği tayini için toplanılan numuneler, jeoloji ve astro-jeolojide karşılaşılan kaya parçaları hem karmaşık hem de değişken numunelerdir. Canlılar âleminde her türlü bitkisel ve hayvansal kokular, taze/çürük gıda kokuları, canlılardan çıkan biyolojik sıvı ve gazlar, insan nefesi, ter/ten kokusu, idrar ve idrar üst katman gazları, bileşenleri yönünden karmaşık ve bileşenlerin bağıl oran/konsantrasyon değerleri açısından istatistiki yüksek değişkenlik gösteren malzemelerdir. Proje araştırmaları sonucunda spektroskopik veri kümeleri etiketli, etiketsiz makine öğrenmesi yöntemleri kullanılarak yüksek başarımla tanımlanmasının mümkün olduğu gösterilmiştir. Kullanılan yöntemler arasında PCA, t-SNE gibi boyut düşürme yöntemleri, etiketli istatistiksel analiz yöntemlerinden Naive Bayes, Random Forest ve Support Vector Machines gibi yöntemler ve bu yöntemlerle karşılaştırılan ileri beslemeli ağlar, convolutional sinir ağları, Kohonen haritaları ve atımlı sinir ağları yöntemleridir. Derin spektroskopi projesi, FTIR spektroskopisi ile elektronik burun araştırmalarını birleştirmeyi amaçlayarak, spektroskopik büyük verinin modern makine öğrenmesi yöntemleri ile işlenerek biyomimetik bir elektronik burun mimarisinin mümkün olduğunu göstermiştir. Bu proje, spektroskopik teknikler ve yapay zeka entegrasyonunun karmaşık ve çeşitli numuneleri tanımlamada nasıl etkili bir araç olabileceğini göstermektedir.