Tutkijoiden läpimurto voi tuoda spektrintunnistuksen kaikkien ulottuville – havaitsee esimerkiksi ruoan pilaantumisen
Kuvittele älypuhelin, joka diagnosoi sairauksia, havaitsee väärennettyjä lääkkeitä tai varoittaa pilaantuneesta ruoasta. Spektrintunnistus on tehokas tekniikka, joka analysoi miten materiaali vuorovaikuttaa valon kanssa paljastaen yksityiskohtia, joita ihmissilmä ei voi nähdä. Perinteisesti tekniikka on vaatinut suuria, kalliita järjestelmiä laboratorioissa ja teollisuudessa. Mutta mitä jos tekniikka voitaisiinkin pienentää sopimaan esimerkiksi älypuhelimeen tai puettavaan laitteeseen?
Aalto-yliopiston tutkijat ovat yhdistäneet pienikokoisen laitteiston ja älykkäät algoritmit luodakseen tehokkaan, pienikokoisen ja kustannustehokkaan työkalun, joka pystyy ratkaisemaan käytännön ongelmia esimerkiksi terveydenhuollossa, elintarviketurvallisuudessa ja autonomisessa ajamisessa.
”Se on kuin taiteilija, joka oppii erottamaan satoja hienovaraisia värisävyjä”, kuvailee tutkimuksen johtaja, professori Zhipei Sun.
Anturi ’koulutettiin’ kohdistamalla siihen laajavärinen valospektri, jolloin se ’oppi’ luomaan ainutlaatuisia sähköisiä sormenjälkiä jokaiselle valotyypille. Sen jälkeen älykäs algoritmi tulkitsee nämä valon eri värien sormenjäljet, minkä ansiosta anturi pystyy tarkasti tunnistamaan materiaalit ja analysoimaan niiden ominaisuuksia valovuorovaikutuksen perusteella.
”Laitteemme on ikään kuin koulutettu tunnistamaan monimutkaisia, ihmiselle näkymättömiä valon ominaisuuksia, ja sen tarkkuus on verrattavissa laboratorioissa tyypillisesti käytettäviin suurikokoisiin antureihin”, Sun jatkaa.
Perinteiset spektrianturit vaativat suuria optisia komponentteja, kuten prismoja tai hiloja. Tutkijoiden kehittämä pikkuanturi sen sijaan erottelee spektrin sähköisten valovasteidensa avulla, mikä tekee siitä ihanteellisen integroitavaksi pieniin laitteisiin. Tutkijat osoittivat, että laite pystyy tunnistamaan materiaaleja suoraan niiden luminesenssin eli niiden valona vapauttaman energian perusteella, mukaan lukien orgaaniset väriaineet, metallit, puolijohteet ja elektroniikassa eristeinä hyödynnettävät dielektriset aineet.
”Innovatiivinen spektrintunnistusmenetelmämme yksinkertaistaa materiaalien tunnistamisen ja koostumuksen analysoinnin haasteita”, sanoo tutkimuksen pääkirjoittaja Xiaoqi Cui, joka on hiljattain väitellyt Aalto-yliopistosta.
Merkittävässä innovaatiossa yhdistyvät säädettävät optoelektroniset rajapinnat ja kehittyneet algoritmit, mikä avaa uusia mahdollisuuksia sovelluksille paitsi integroidussa fotoniikassa, myös sen ulkopuolella. Laite on kooltaan erittäin pieni – noin 200 kertaa pienempi kuin ihmisen hiuksen poikkileikkaus – ja saavuttaa poikkeuksellisen suuren aallonpituustarkkuuden, jonka ansiosta se pystyy erottamaan tuhansia värejä.
Väitöskirjatutkija ja tutkimuksen toinen pääkirjoittaja Fedor Nigmatulin kuvaa työtä merkittäväksi edistysaskeleeksi spektrintunnistuksen tuomisessa kaikkien ulottuville.
”Yhdistämällä tämän pikkiriikkisen laitteiston älykkäisiin algoritmeihin olemme ottaneet merkittävän askeleen kohti minikokoisia, kannettavia spektrometrejä, jotka voivat lähitulevaisuudessa mullistaa kuluttajaelektroniikan”, Nigmatulin sanoo.
Artikkeli julkaistiin 22. tammikuuta 2025 Science Advances -lehdessä.
Linkki artikkeliin:
Piilotettu visuaalinen tieto esiin
Aallon tutkijoiden uudella sirulla päästään käsiksi fotoniseen tietoon ennennäkemättömän tehokkaasti.
Lue lisää uutisia
Prototyping and Validation Grant: VeinOptima
Aallon opiskelijan kehitteillä oleva tuote auttaa hoitajia löytämään verisuonet nopeammin.
Kolmen tutkijan ideasta syntyi deep tech -yritys
Vahvaan tutkimusosaamiseen nojaava Sim Analytics Oy sai alkunsa, kun kolme LUT-yliopiston eri laboratorioissa työskennellyttä tutkijakollegaa alkoi miettiä, miten tarjota ja analysoida dataa teollisuusyritysten liiketoimintapäätösten tueksi.
Ensimmäinen suprajohtava kvanttilämpökone osoittaa, että lämpö voidaan valjastaa työksi myös kvanttimaailmassa
Suprajohtava kvanttilämpökone paitsi edistää termodynamiikan perustutkimusta, voi myös merkittävästi pienentää tulevaisuuden kvanttitietokoneiden hintalappua.