Materiais porosos e aprendizado de máquina fornecem método barato de monitoramento de microplásticos
Espuma de metal e uma moeda de 1 iene para escala. Canto inferior esquerdo:imagem SEM de uma espuma prateada mostrando macroporos usados para capturar microplásticos da solução. Parte inferior central:imagem SEM dos poros em nanoescala usados para capturar luz e melhorar o sinal químico dos microplásticos. À direita:imagem SEM da espuma metálica exposta a esferas de poliestireno, fibras de PET, algas e solo. Crédito:Olga Guselnikova e Joel Henzie A análise óptica e as técnicas de aprendizado de máquina podem agora detectar prontamente microplásticos em ambientes marinhos e de água doce usando substratos metálicos porosos baratos. Detalhes do método, desenvolvido por pesquisadores da Universidade de Nagoya com colaboradores do Instituto Nacional de Ciências de Materiais do Japão e outros, foram publicados na revista Nature Communications. .
A detecção e identificação de microplásticos em amostras de água é essencial para o monitoramento ambiental, mas é um desafio devido, em parte, à semelhança estrutural dos microplásticos com compostos orgânicos naturais derivados de biofilmes, algas e matéria orgânica em decomposição. Os métodos de detecção existentes geralmente requerem técnicas de separação complexas que são demoradas e dispendiosas.
"Nosso novo método pode separar e medir simultaneamente a abundância de seis tipos principais de microplásticos - poliestireno, polietileno, polimetilmetacrilato, politetrafluoroetileno, náilon e tereftalato de polietileno", diz a Dra. Olga Guselnikova do Instituto Nacional de Ciência de Materiais (NIMS).
O sistema usa uma espuma metálica porosa para capturar microplásticos da solução e detectá-los opticamente usando um processo chamado espectroscopia Raman de superfície aprimorada (SERS). “Os dados SERS obtidos são altamente complexos”, explica o Dr. Joel Henzie do NIMS, “mas contêm padrões discerníveis que podem ser interpretados usando técnicas modernas de aprendizado de máquina”.
. Monitoramento barato de microplásticos por meio de materiais porosos e aprendizado de máquina. Crédito:Reiko Matsushita
. Uma amostra líquida desconhecida contendo vários microplásticos (esquerda) é passada sobre a superfície metálica porosa. A espectroscopia Raman é então realizada na superfície da espuma metálica (à direita), e a luz espalhada é analisada com um algoritmo de aprendizado de máquina treinado para identificar com precisão microplásticos em misturas complexas. Crédito:Olga Guselnikova
Para analisar os dados, a equipe criou um algoritmo de computador de rede neural chamado SpecATNet. Este algoritmo aprende como interpretar os padrões nas medições ópticas para identificar os microplásticos alvo mais rapidamente e com maior precisão do que os métodos tradicionais.
“Nosso procedimento tem um imenso potencial para monitorar microplásticos em amostras obtidas diretamente do meio ambiente, sem necessidade de pré-tratamento, ao mesmo tempo que não é afetado por possíveis contaminantes que possam interferir em outros métodos”, diz o professor Yusuke Yamauchi, da Universidade de Nagoya.
Os investigadores esperam que a sua inovação ajude enormemente a sociedade a avaliar a importância da poluição por microplásticos na saúde pública e na saúde de todos os organismos em ambientes marinhos e de água doce. Ao criar sensores microplásticos baratos e algoritmos de código aberto para interpretar dados, eles esperam permitir a detecção rápida de microplásticos, mesmo em laboratórios com recursos limitados.
Atualmente, os materiais necessários para o novo sistema trazem economia de custos de 90% a 95% em comparação com alternativas disponíveis comercialmente. O grupo planeja reduzir ainda mais o custo desses sensores e tornar os métodos simples de replicar, sem a necessidade de instalações caras. Além disso, os investigadores esperam expandir a capacidade da rede neural SpecATNet para detectar uma gama mais ampla de microplásticos e até aceitar diferentes tipos de dados espectroscópicos, além dos dados SERS.
Mais informações:Comunicações da Natureza (2024). DOI:10.1038/s41467-024-48148-w Informações do diário: Comunicações da Natureza
