Nowe urządzenie wzmocni ochronę przed zagrożeniami chemicznymi
Klasyczne detektory zagrożeń chemicznych, oparte na spektrometrii ruchliwości jonów lub spektrometrii mas, często są nieporęczne i kosztowne. Chociaż systemy wykrywania oparte na testach immunologicznych oferują większą swoistość, nie są zdolne do wykrywania pełnego zakresu ewoluujących zagrożeń. W ramach finansowanego ze środków Unii Europejskiej projektu SERSing opracowano przenośne urządzenie Ramana wykorzystujące powierzchniowo wzmocnioną spektroskopię ramanowską (SERS) oraz sztuczną inteligencję (AI) do błyskawicznego wykrywania i rozpoznawania zagrożeń chemicznych przy niskim stężeniu szkodliwych substancji w fazie ciekłej. Jednocześnie trwają prace nad podobnym urządzeniem dostosowanym do wykrywania szkodliwych substancji w fazie gazowej. Znakowane geograficznie dane o wykrytym zagrożeniu są następnie przesyłane na platformę internetową, co umożliwia szybkie podejmowanie decyzji. „Nasze urządzenie może być używane przez ratowników, instalowane na stałe w określonych miejscach, a także montowane na robotach czy dronach”, wyjaśnia Tomas Rindzevicius, koordynator projektu. „Kiedy zaczynaliśmy, analiza danych za pomocą SERS z wykorzystaniem AI była czymś stosunkowo nowym, lecz w toku prac okazała się znakomitym dodatkiem do naszego zestawu narzędzi wykrywających”. Zespół projektu może się pochwalić pierwszym przypadkiem skutecznego wykrycia bojowych środków trujących (BST) w fazie gazowej przy użyciu techniki SERS, owocem czego jest kilka wniosków patentowych.
SERS: zalety bardziej czułej spektroskopii ramanowskiej
Spektroskopia ramanowska (RS) to technika analizy chemicznej stosowana do identyfikacji nieznanych, podejrzanych substancji stałych lub ciekłych. Niestety, metody tej nie można użyć do wykrywania śladów molekularnych, a faktem jest, że niebezpieczne chemikalia, takie jak BST, stanowią zagrożenie nawet w niskich stężeniach. Z tego względu zespół projektu SERSing postanowił zastosować technikę SERS, wzmacniając sygnał Ramana za pomocą nanostrukturalnych materiałów, co umożliwia wykrywanie i identyfikację substancji chemicznych o niskim stężeniu. Ponadto uczeni opracowali metody uczenia maszynowego, aby móc odpowiednio dopasowywać widmo. W tym celu sprawdzili, w jaki sposób można wykorzystać sieci neuronowe do analizy dowolnego zestawu danych RS lub SERS, a co za tym idzie – do identyfikacji nieznanych związków. Zespół ocenił wydajność różnych podłoży SERS, modułów próbkowania gazu/cieczy i analizy danych opartej na uczeniu maszynowym w badaniach terenowych z wykorzystaniem rzeczywistych bojowych środków trujących. Jeśli chodzi o substancje gazowe, w ramach projektu SERSing do przetestowania detektora wykorzystano bojowe środki paralityczno-drgawkowe, wykrywając stężenia tak niskie, jak cząstki na milion (ppm) dla tabunu i cząstki na miliard (ppb) dla iperytu siarkowego (gazu musztardowego). Jeśli chodzi o fazę ciekłą, opracowane przez partnera projektu, firmę Serstech, przenośne urządzenie Ramana umożliwiło skuteczne wykrycie szeregu środków, takich jak: tabun, sarin, gaz musztardowy, środki z grupy związków V, metylofosfonian dimetylu oraz substancja imitująca działanie środków paralityczno-drgawkowych, nitrofosfonian dimetylu (ang. dimethyl nitrophosphonate). „Ważnym kamieniem milowym było wykrycie A234 (nowiczoka) w różnych rzeczywistych mieszaninach, takich jak aerozol do nosa, w stężeniach tak niskich, jak 0,01 %, czyli o dwa rzędy wielkości niższych niż osiągalne za pomocą konwencjonalnych urządzeń Ramana”, dodaje Rindzevicius. Techniki uczenia maszynowego przewyższyły swoją skutecznością standardowe metody identyfikacji związków i przewidywania dotyczące stężeń stosowane obecnie w rozwiązaniach RS, a z kolei sieci neuronowe były w stanie wykryć i określić ilościowo nitroaromatyczne substancje wybuchowe.
Geolokalizacja w czasie rzeczywistym
Urządzenie firmy SERSTECH jest wyposażone w funkcje geolokalizacji, dzięki czemu może określić lokalizację, w której pobierane są próbki, a także śledzić trasę ich przemieszczania się – co ma kluczowe znaczenie podczas operacji w terenie. Z urządzeniem można również łączyć się zdalnie, przesyłając dane do centralnego systemu sterowania lub platformy opartej na chmurze, przy czym zaletą jest możliwość skoordynowanego działania wielu urządzeń, zapewniając kompleksowy przegląd zagrożeń. „Monitorowanie w czasie rzeczywistym usprawnia proces podejmowania decyzji, umożliwiając zespołom szybkie reagowanie, zarządzanie zasobami i skuteczniejsze powstrzymywanie rozprzestrzeniania się zagrożeń. Co więcej, system można również przeszkolić w zakresie wykrywania nowo pojawiających się zagrożeń w miarę ich rozwoju, co poprawia ogólną orientację sytuacyjną i bezpieczeństwo”, mówi Rindzevicius. Osiągnięcia zespołu projektu SERSing idealnie wpisują się w aktualne potrzeby określone w unijnej inicjatywie ENCIRCLE na rzecz lepszego wykrywania, identyfikacji, modelowania, oceny ryzyka i ograniczania wpływu niebezpiecznych substancji chemicznych. Według międzynarodowego forum zaawansowanej innowacyjności służb interwencyjnych – International Forum to Advance First Responder Innovation (IFAFRI) – służby interwencyjne konsekwentnie zgłaszają zapotrzebowanie na niedrogie, innowacyjne narzędzia, które są w stanie szybko wykrywać, identyfikować i analizować zagrożenia. Podłoża SERS opracowane w ramach projektu SERSing są już wykorzystywane przez firmę Serstech w oferowanym przez nią zestawie SERS, który umożliwia wykrywanie i identyfikację szerokiego zakresu zagrożeń chemicznych w próbkach cieczy.
Słowa kluczowe
SERSing, chemiczne, zagrożenie, spektroskopia ramanowska, uczenie maszynowe, nowiczok, zagrożenia, bojowe