• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  Science >> Science >  >> La nature
    Les matériaux poreux et l'apprentissage automatique fournissent une méthode de surveillance des microplastiques peu coûteuse
    Mousse métallique et pièce de 1 yen pour l'échelle. En bas à gauche :image MEB d'une mousse d'argent montrant les macropores utilisés pour capturer les microplastiques de la solution. En bas au milieu :image SEM des pores à l’échelle nanométrique utilisés pour capturer la lumière et améliorer le signal chimique des microplastiques. À droite :image MEB de la mousse métallique exposée à des billes de polystyrène, des fibres de PET, des algues et de la terre. Crédit :Olga Guselnikova et Joel Henzie

    Les techniques d’analyse optique et d’apprentissage automatique permettent désormais de détecter facilement les microplastiques dans les environnements marins et d’eau douce à l’aide de substrats métalliques poreux peu coûteux. Les détails de la méthode, développée par des chercheurs de l'Université de Nagoya avec des collaborateurs de l'Institut national des sciences des matériaux au Japon et d'autres, sont publiés dans la revue Nature Communications. .



    La détection et l'identification des microplastiques dans les échantillons d'eau sont essentielles à la surveillance environnementale, mais elles constituent un défi en partie en raison de la similitude structurelle des microplastiques avec les composés organiques naturels dérivés de biofilms, d'algues et de matière organique en décomposition. Les méthodes de détection existantes nécessitent généralement des techniques de séparation complexes, longues et coûteuses.

    "Notre nouvelle méthode peut simultanément séparer et mesurer l'abondance de six types clés de microplastiques :le polystyrène, le polyéthylène, le polyméthacrylate de méthyle, le polytétrafluoroéthylène, le nylon et le polyéthylène téréphtalate", explique le Dr Olga Guselnikova de l'Institut national de la science des matériaux (NIMS).

    Le système utilise une mousse métallique poreuse pour capturer les microplastiques de la solution et les détecter optiquement à l’aide d’un processus appelé spectroscopie Raman améliorée en surface (SERS). "Les données SERS obtenues sont très complexes", explique le Dr Joel Henzie du NIMS, "mais elles contiennent des modèles perceptibles qui peuvent être interprétés à l'aide de techniques modernes d'apprentissage automatique."

    • Surveillance peu coûteuse des microplastiques grâce aux matériaux poreux et à l'apprentissage automatique. Crédit :Reiko Matsushita
    • .
      Un échantillon liquide inconnu contenant divers microplastiques (à gauche) est passé sur la surface métallique poreuse. La spectroscopie Raman est ensuite réalisée sur la surface de la mousse métallique (à droite) et la lumière diffusée est analysée avec un algorithme d'apprentissage automatique entraîné pour identifier avec précision les microplastiques dans des mélanges complexes. Crédit :Olga Guselnikova

    Pour analyser les données, l’équipe a créé un algorithme informatique de réseau neuronal appelé SpecATNet. Cet algorithme apprend à interpréter les modèles des mesures optiques pour identifier les microplastiques cibles plus rapidement et avec une plus grande précision que les méthodes traditionnelles.

    "Notre procédure présente un immense potentiel pour surveiller les microplastiques dans des échantillons obtenus directement de l'environnement, sans aucun prétraitement requis, tout en n'étant pas affectée par d'éventuels contaminants susceptibles d'interférer avec d'autres méthodes", déclare le professeur Yusuke Yamauchi de l'Université de Nagoya.

    Les chercheurs espèrent que leur innovation aidera grandement la société à évaluer l’importance de la pollution microplastique sur la santé publique et sur la santé de tous les organismes des environnements marins et d’eau douce. En créant des capteurs de microplastiques peu coûteux et des algorithmes open source pour interpréter les données, ils espèrent permettre la détection rapide des microplastiques, même dans les laboratoires aux ressources limitées.

    Actuellement, les matériaux requis pour le nouveau système permettent de réaliser des économies de 90 à 95 % par rapport aux alternatives disponibles dans le commerce. Le groupe prévoit de réduire encore davantage le coût de ces capteurs et de rendre les méthodes simples à reproduire sans avoir recours à des installations coûteuses. En outre, les chercheurs espèrent étendre la capacité du réseau neuronal SpecATNet à détecter une gamme plus large de microplastiques et même à accepter différents types de données spectroscopiques en plus des données SERS.

    Plus d'informations : Communications naturelles (2024). DOI :10.1038/s41467-024-48148-w

    Informations sur le journal : Communications naturelles

    Fourni par l'Université de Nagoya




    © Science https://fr.scienceaq.com