Generic filters
Exact matches only
FS Logoi

Maschinelles Lernen: Identifizierung von Giftstoffen

Kategorie:
Thema:
Autor: Isabell Hochstrat

Wenn Abfälle aus dem Ölsandbau aus Absetzbecken in das Grundwasser und die Oberflächenökosysteme sickern, können sie eine Gefahr für die umliegenden Ökosysteme und Gemeinden darstellen. Ein Forscherteam der University of British Columbia hat nun eine neue Methode entwickelt, um die wichtigsten Toxine schnell und kostengünstig zu identifizieren.

Komplexe Analyseverfahren

Bisher bestand die Herausforderung für die Ölsandindustrie darin, dass eine ordnungsgemäße Analyse der giftigen Abfallstoffe ohne komplexe und langwierige Tests nur schwer möglich war. Nicolás Peleato, Assistenzprofessor für Bauingenieurwesen an der University of British Columbia’s Okanagan campus (UBCO) und sein Forscherteam an der School of Engineering der UBCO haben eine neue, schnellere und zuverlässigere Methode zur Analyse dieser Proben entdeckt. Es ist der erste Schritt, sagt Dr. Peleato, aber die Ergebnisse sind vielversprechend. “Die derzeitigen Methoden erfordern den Einsatz teurer Geräte, und es kann Tage oder Wochen dauern, bis man Ergebnisse erhält”, fügt er hinzu. Es bestehe Bedarf an einer kostengünstigen Methode, um diese Gewässer häufiger zu überwachen und so die Öffentlichkeit und die aquatischen Ökosysteme zu schützen.

Schnelle Erkennung von Toxinen

Die Forscher setzten hierzu die Fluoreszenzspektroskopie ein, um die wichtigsten Toxine im Wasser schnell zu erkennen. Sie ließen die Ergebnisse auch durch ein Modellierungsprogramm laufen, das die Zusammensetzung des Wassers genau vorhersagt. Diese Zusammensetzung kann als Maßstab für weitere Tests an anderen Proben verwendet werden, erklärt Rincón. Die Forscher verwenden ein neuronales Faltungsnetzwerk, das Daten in einer gitterartigen Topologie verarbeitet, wie etwa ein Bild. Es ähnelt der Art von Modellierung, die bei der Klassifizierung von schwer zu identifizierenden Fingerabdrücken, der Gesichtserkennung und sogar bei selbstfahrenden Autos verwendet wird, sagt sie. Die Modellierung berücksichtigt Rincón zufolge die Variabilität des Hintergrunds der Wasserqualität und kann schwer zu erkennende Signale trennen, wodurch sehr genaue Ergebnisse erzielt werden können. Untersucht wurde ein Gemisch organischer Verbindungen, die giftig sind, darunter Naphthensäuren, die in vielen Erdölquellen vorkommen. Mit Hilfe der hochdimensionalen Fluoreszenz können die Forscher die meisten Arten von organischen Stoffen identifizieren.

Die Modellierungsmethode

Die Modellierungsmethode sucht nach Schlüsselmaterialien und stellt die Zusammensetzung der Probe dar. Die Ergebnisse der ersten Probenanalyse werden dann durch leistungsstarke Bildverarbeitungsmodelle verarbeitet, um umfassende Ergebnisse genau zu bestimmen. Die bisherigen Ergebnisse sind zwar ermutigend, aber die Wissenschaftler:innen weisen darauf hin, dass die Technik in größerem Maßstab weiter evaluiert werden muss – dann könnte sie auch für das Screening weiterer Toxine eingesetzt werden. Peleato erklärt, dass dieses potenzielle Screening-Tool ein erster Schritt ist, der jedoch einige Einschränkungen mit sich bringt, da nicht alle Toxine oder Naphthensäuren nachgewiesen werden können – nur diejenigen, die fluoreszierend sind. Außerdem muss die Technologie für künftige, eingehendere Tests noch erweitert werden.

Auch wenn sie die derzeitigen, genaueren Analysemethoden nicht ersetzen kann, wird dieser Ansatz es der Ölsandindustrie ermöglichen, ihre Abfallstoffe genau zu untersuchen und zu behandeln.

Weitere Informationen hier

Sie möchten die F&S Filtrieren und Separieren testen?

Bestellen Sie Ihr kostenloses Probeheft

Überzeugen Sie sich selbst: Gerne senden wir Ihnen die F&S kostenlos und unverbindlich zur Probe!

Finance Illustration 03

Das könnte Sie auch interessieren:

Potenzial beim Baustoff-Recycling besser nutzen
Das MIR LIFT-Verfahren transferiert lebende Zellen mit hoher Rate von bis zu 100 Hz nacheinander auf Mikrotiterplatten (MTP).
EIB vergibt Darlehenszusage von 500 Millionen Euro für Forschung und Entwicklung