Применение сверточных нейронных сетей и вариационных автоэнкодеров для разработки наносенсора ионов и pH
Курс «Нейронные сети и их применение в научных исследованиях»
Чугреева Г. Н.
НС242
Научный консультант: Колпинский С. В.
Углеродные точки (УТ) как наносенсоры
Свойства:
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
Области применения:
Структурные особенности:
Схематическое представление УТ
(F. Yan et al. Microchim Acta 186, 2019)
2
Чувствительность ФЛ УТ к ионам и pH
Матрица возбуждения-испускания ФЛ УТ
+ионы
Спектры ФЛ УТ
при концентрации ионов 5 мМ.
Возбуждение на 345 нм
Спектры ФЛ УТ
при разных значениях рН.
Возбуждение на 345 нм
3
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
△pH
Цели и задачи
Цель работы: разработка фотолюминесцентного наносенсора на основе УТ для одновременного определения концентрации ионов и рН в воде с применением сверточных нейронных сетей и вариационных автоэнкодеров.
Задачи:
1. Использование вариационных автоэнкодеров для увеличения представительности набора данных для обучения, представляющих собой спектры фотолюминесценции растворов углеродных точек с катионами тяжелых металлов.
2. Применение нейронных сетей к полученной базе данных спектров фотолюминесценции углеродных точек для разработки углеродного наносенсора, способного определять концентрации 4 ионов и pH.
4
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
Данные, используемые в работе
Матрица возбуждения-испускания
ФЛ УТ (5 мг/л)
Концентрация УТ: 5 мг/л
Изменение концентрации катионов (Cu2+, Cr3+, Ni2+):0 – 4.95 мМ, шаг 0.55 мМ
Изменение концентрации аниона �(NO3-): 0 – 34.65 мМ, шаг 1.1-1.65 мМ
1000 растворов:
5
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
1. Определение концентрации ионов в водных растворах УТ
6
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
Adam optimizer
learning rate 0.002
MSE loss function
batch_size = 64
Разбиение на
тренировочный набор (70%)
валидационный (20%)
тестовый (10%)
Данные в наборах не пересекались
3-кратная кросс-валидация 2-кратная инициализация весов сети
Результаты усреднялись
Схема модели, использовавшейся для предсказания �концентраций ионов и рН в водных растворах УТ
2. Применение VAE
Применение VAE для генерации спектров фотолюминесценции растворов углеродных точек с катионами тяжелых металлов
7
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
Выбор гиперпараметров
8
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
Зависимость функции потерь на тестовом наборе данных в зависимости от скорости обучения и размерности латентного пространства
Кривая обучения VAE
Функция потерь L= BCE+DKL
BCE – бинарная кросс-энтропия, DKL – дивергенция Кульбака-Лейблера
Применение VAE
Реальный (слева) и сгенерированный (справа) спектры
9
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
3. Сравнение качества решения
на реальном и расширенном наборах данных
10
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
Adam optimizer
learning rate 0.002
MSE loss function
batch_size = 64
Разбиение данных (900 реальных и 1000 сгенерированных спектров) на
тренировочный набор (80% - 1520 примеров)
валидационный (20% - 380 примеров)
тестовый набор включал 100 примеров реальных спектров
Данные в наборах не пересекались
3-кратная кросс-валидация 2-кратная инициализация весов сети
Результаты усреднялись
Схема модели, использовавшейся для предсказания �концентраций ионов и рН в водных растворах УТ
3. Сравнение качества решения
на реальном и расширенном наборах данных
МАЕ определения концентрации ионов на тестовом наборе данных.
11
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH
В данной курсовой работе проведен сравнительный анализ двух подходов к решению обратной задачи фотолюминесцентной спектроскопии:
1) обучение моделей на основе СНС на экспериментально полученных матрицах возбуждения-испускания ФЛ УТ для определения концентраций 4 ионов в воде и рН;
2) использование VAE для расширения тренировочного набора данных для последующего обучения моделей СНС для определения концентраций ионов.
Подход, основанный на использовании VAE, не продемонстрировал эффективность при решении поставленной обратной задачи фотолюминесцентной спектроскопии.
Выводы
12
Применение сверточных нейронных сетей и вариационных автоэнкодеров
для разработки наносенсора ионов и pH