Dall’IA un nuovo approccio per individuare l’inquinamento del suolo

Roma – Grazie all’intelligenza artificiale (IA) sarà possibile identificare con maggiore semplicità gli inquinanti nel suolo anche quelli che non sono mai stati isolati o studiati in laboratorio. E’ quanto emerge da uno studio guidato dalla Rice University e pubblicato su PNAS. Il nuovo approccio utilizza l’imaging basato sulla luce, previsioni teoriche delle firme luminose dei composti e algoritmi di apprendimento automatico (ML) per rilevare composti tossici come gli idrocarburi policiclici aromatici (IPA) e i loro composti derivati (PAC) nel suolo. L’identificazione degli inquinanti nel suolo richiede solitamente laboratori avanzati e campioni fisici di riferimento standard dei contaminanti sospetti. l nuovo metodo utilizza una tecnica di imaging basata sulla luce nota come spettroscopia Raman con superficie migliorata, che analizza come la luce interagisce con le molecole, tracciando i pattern unici, o spettri, che emettono. Gli spettri fungono da “impronte digitali chimiche” per ciascun composto. La tecnica viene perfezionata attraverso l’uso di nanoshell di firma progettati per migliorare le caratteristiche rilevanti negli spettri. Utilizzando la teoria del funzionale della densità ⎯ una tecnica di modellazione computazionale in grado di prevedere il comportamento di atomi ed elettroni in una molecola ⎯ i ricercatori hanno calcolato l’aspetto degli spettri di un’intera gamma di IPA e PAC in base alla struttura molecolare dei composti. Ciò ha permesso loro di generare una libreria virtuale di “impronte digitali” per IPA e PAC. Due algoritmi di machine learning complementari – estrazione dei picchi caratteristici e similarità dei picchi caratteristici – sono stati utilizzati per analizzare i tratti spettrali rilevanti in campioni di suolo reali e confrontarli con i composti mappati nella libreria virtuale di spettri. “Stiamo utilizzando gli IPA nel suolo per illustrare questa nuova, importantissima strategia”, affermano i ricercatori “Esistono decine di migliaia di sostanze chimiche derivate dagli IPA e questo approccio – calcolarne gli spettri e utilizzare l’apprendimento automatico per collegare gli spettri calcolati teoricamente a quelli osservati in un campione – ci consente di identificare sostanze chimiche per le quali potremmo non disporre, o non disponiamo, di dati sperimentali”.(30Science.com)