Benefícios e potencialidades da combinação entre a técnica LIBS e ferramentas de aprendizado de máquina
Carregando...
Arquivos
Data
2021-08-12
Autores
Rocha, Giovanna
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
Analytical chemistry is one of the areas of chemistry that develop methods that help regulate parameters related to the environment and public health. Furthermore, analytical chemistry contributes to technological development of new processes. The fast global evolution requires miniaturized analytical methods for in situ analysis that agree with green chemistry principles. Despite, most of them still requires the sample preparation before analyses. Sample preparation is time consuming, increases the cost of analysis and generating chemical waste. Laser-Induced Breakdown Spectroscopy (LIBS) – a type of atomic emission spectroscopy – is an interesting alternative to the current global analytical demands. LIBS is based on the optical emission of chemical elements after they had been electronically excited by high temperatures in a plasma. LIBS allows for fast, direct, multi-elementary, minimally destructive analysis, without chemical residues, besides to have portability potential. The spectral wavelengths of the emission lines are the identity of the sample constituents. However, the high number of lines in a spectrum can be explored to provide information beyond the sample elemental composition. Accessing this information requires knowledge outside the sphere of analytical chemistry. Machine learning (ML) is a branch of computer science that uses and develops computer systems capable of learning and adapt without following explicit instructions. This task is performed using algorithms and statistical models to make some inferences and draw patterns in the data. The LIBS-ML combination has been known as a successful partnership, which allows to access unimaginable analytical information, opening new horizons for analytical chemistry. In this perspective, this work aimed to highlight the advantages of using LIBS-ML and its applicability in archaeology, material science and agrobusiness.
A química analítica é uma das áreas da química com grande potencial para atuar no desenvolvimento de métodos que auxiliam na regulamentação de diversos parâmetros relacionados ao meio ambiente e a saúde pública, além de contribuir para o desenvolvimento tecnológico de novos processos. A acelerada evolução global demanda métodos analíticos cada vez mais rápidos, miniaturizados para análises in situ e que sejam consonantes com a química verde. Apesar do grande avanço da instrumentação espectroanalítica para análises elementares nas últimas décadas, a maioria dos métodos analíticos de rotina ainda requerem o preparo da amostra, que muitas vezes é realizado por via úmida, demandando tempo, aumentando custos da análise e gerando resíduos químicos. Neste cenário, a espectroscopia de emissão óptica em plasma induzido por laser (LIBS, Laser-induced breakdown spectroscopy) constitui uma atraente alternativa para atual demanda analítica global. LIBS é fundamentada na emissão óptica de elementos químicos após terem sido excitados por altas temperaturas em um plasma. LIBS permite análise rápida, direta, multielementar, minimamente destrutiva, sem geração de resíduos químicos e apresenta potencial de portabilidade. Com base nos comprimentos de onda das linhas de emissão é possível identificar os elementos químicos que compõem uma amostra, porém o elevado volume de linhas presentes em um espectro pode propiciar informações que transcendem a composição elementar. Para acessar essas informações são necessários conhecimentos que extrapolam a esfera da química analítica. O aprendizado de máquina (AM) é um ramo da ciência da computação que usa e desenvolve sistemas de computador capazes de aprender e se adaptar sem seguir instruções explícitas. Essa tarefa é realizada usando algoritmos e modelos estatísticos para fazer algumas inferências e desenhar padrões nos dados. A combinação LIBS-AM constitui uma parceria muito bem sucedida, a qual tem permitido acessar informações analíticas inimagináveis, desbravando novos horizontes para a química analítica. Nessa perspectiva, o presente trabalho teve como objetivo realizar uma análise dos benefícios e potencialidades da combinação LIBS-AM para diferentes aplicações e seus impactos diretos nas áreas de arqueologia, materiais e agronegócio.
A química analítica é uma das áreas da química com grande potencial para atuar no desenvolvimento de métodos que auxiliam na regulamentação de diversos parâmetros relacionados ao meio ambiente e a saúde pública, além de contribuir para o desenvolvimento tecnológico de novos processos. A acelerada evolução global demanda métodos analíticos cada vez mais rápidos, miniaturizados para análises in situ e que sejam consonantes com a química verde. Apesar do grande avanço da instrumentação espectroanalítica para análises elementares nas últimas décadas, a maioria dos métodos analíticos de rotina ainda requerem o preparo da amostra, que muitas vezes é realizado por via úmida, demandando tempo, aumentando custos da análise e gerando resíduos químicos. Neste cenário, a espectroscopia de emissão óptica em plasma induzido por laser (LIBS, Laser-induced breakdown spectroscopy) constitui uma atraente alternativa para atual demanda analítica global. LIBS é fundamentada na emissão óptica de elementos químicos após terem sido excitados por altas temperaturas em um plasma. LIBS permite análise rápida, direta, multielementar, minimamente destrutiva, sem geração de resíduos químicos e apresenta potencial de portabilidade. Com base nos comprimentos de onda das linhas de emissão é possível identificar os elementos químicos que compõem uma amostra, porém o elevado volume de linhas presentes em um espectro pode propiciar informações que transcendem a composição elementar. Para acessar essas informações são necessários conhecimentos que extrapolam a esfera da química analítica. O aprendizado de máquina (AM) é um ramo da ciência da computação que usa e desenvolve sistemas de computador capazes de aprender e se adaptar sem seguir instruções explícitas. Essa tarefa é realizada usando algoritmos e modelos estatísticos para fazer algumas inferências e desenhar padrões nos dados. A combinação LIBS-AM constitui uma parceria muito bem sucedida, a qual tem permitido acessar informações analíticas inimagináveis, desbravando novos horizontes para a química analítica. Nessa perspectiva, o presente trabalho teve como objetivo realizar uma análise dos benefícios e potencialidades da combinação LIBS-AM para diferentes aplicações e seus impactos diretos nas áreas de arqueologia, materiais e agronegócio.
Descrição
Palavras-chave
Laser-induced breakdown sprectroscopy – LIBS, Química analítica moderna, Aprendizado de máquina, Métodos de classificação