近日，中國科學(xué)院合肥物質(zhì)院安光所紅外精密儀器團隊在傅里葉紅外光譜（FTIR）分析算法研究領(lǐng)域取得系統(tǒng)性突破。團隊面向?qū)嶋H應(yīng)用，構(gòu)建了?“混合物識別?-?基線重構(gòu)?-?魯棒定量?-?寬動態(tài)分析”研究框架，顯著提升了復(fù)雜應(yīng)用場景下氣體的識別準確度以及定量精度。4項創(chuàng)新技術(shù)先后發(fā)表于Analytical Chemistry（中國科學(xué)院一區(qū)，IF=6.7）、Optics Express（中科院二區(qū)，IF=3.3）等國際知名期刊。

一直以來，傅里葉變換紅外光譜技術(shù)（FTIR）憑借高分辨率、寬光譜范圍及非破壞性優(yōu)勢，廣泛應(yīng)用于環(huán)境監(jiān)測、國防安全、材料科學(xué)、生物醫(yī)學(xué)及食品安全等領(lǐng)域。而在實際應(yīng)用中，定量任務(wù)會面臨儀器線型變化、多組分吸收峰重疊，吸收峰飽和導(dǎo)致的非線性響應(yīng)以及各種測量誤差等諸多挑戰(zhàn)。為此，科研團隊需要解決跨設(shè)備的復(fù)雜混合物識別問題，減少基線校正誤差影響，提升濃度反演精度，自適應(yīng)選取光譜區(qū)間等一系列難題。

混合物識別作為定量的前驅(qū)步驟，其組分識別結(jié)果直接影響著定量的結(jié)果。為此，團隊提出了一種基于“注意力”機制的深度學(xué)習(xí)框架（胥泰然，Analytical Chemistry 2025）來應(yīng)對混合物識別任務(wù)中儀器線型，吸收峰重疊等挑戰(zhàn)。依托包含10種儀器線型、8種氣體成分的自建數(shù)據(jù)集實驗。該框架僅用1種儀器線型訓(xùn)練，但其應(yīng)用于其他9種線型時精確匹配率超91.7%，較現(xiàn)有方法提升25%至88%，凸顯了其在跨設(shè)備應(yīng)用、其他?FTIR混合物分析以及類似光譜學(xué)挑戰(zhàn)（如近紅外模型傳遞）方面的巨大潛力，為復(fù)雜混合物成分紅外光譜識別提供了新思路。

為減少混合氣體吸收峰重疊導(dǎo)致的基線校正誤差的影響，團隊研發(fā)了相對吸光度的獨立成分分析（RA-ICA）算法（李新春，Optics Express 2024）。通過計算相對吸光度光譜、提取獨立成分、重建隱藏基線，使得設(shè)備對混合氣體吸收峰重疊導(dǎo)致的基線校正誤差顯著低于常用方法，還能精準保留基線細節(jié)，滿足多氣體組分同時精確測量需求。該算法首先計算剔除基線信息的相對吸光度光譜，隨后結(jié)合比爾-朗伯定律與獨立成分分析，提取包含各組分吸收峰信息的獨立成分，對需基線校正的光譜進行擬合。最后采用多項式曲線與殘差相結(jié)合的基線模型，重建吸收波段的隱藏基線。仿真與實驗結(jié)果表明，RA-ICA方法重建的基線誤差顯著低于其他常用基線校正方法，且能準確保留基線的細節(jié)特征，能夠提供高質(zhì)量的校正基線，滿足多氣體組分同時精確測量的需要。

在實際濃度反演過程中，傳統(tǒng)最小二乘等方法受到噪聲和基線漂移等光譜干擾的影響，其氣體光譜定量結(jié)果準確性受限。為提升濃度反演精度，團隊提出了“抑制?-?適應(yīng)?-?優(yōu)化”模型，實現(xiàn)了光譜降噪、殘差建模以及損失優(yōu)化的有機結(jié)合，為FTIR光譜的濃度反演提供了一種更具魯棒性的方法（王鈺豪，Optics Express 2025）。該模型融合光譜降噪、殘差建模與損失優(yōu)化技術(shù)，能為工業(yè)監(jiān)測、交通排放等場景的濃度反演提供魯棒方案。該算法首先通過噪聲抑制技術(shù)提高用于反演的光譜數(shù)據(jù)的質(zhì)量，然后利用Ljung-Box檢驗和分位數(shù)-分位數(shù)圖等統(tǒng)計工具對降噪后光譜數(shù)據(jù)與前向模型的殘差分布進行分析，并采用Barron提出的廣義損失函數(shù)進行適應(yīng)，最后采用Yogi優(yōu)化器進行損失優(yōu)化，實現(xiàn)氣體濃度反演。模擬和實驗光譜驗證了該模型在均方根誤差噪聲為1×10-3光譜數(shù)據(jù)集中的性能，相比于傳統(tǒng)方法，可以將CO2、N2O和CO的反演精密度提高15%。實驗結(jié)果表明，該方法在工業(yè)監(jiān)測、環(huán)境研究以及交通排放等領(lǐng)域具有廣闊應(yīng)用前景。

除此以外，FTIR光譜的寬帶多組分檢測能力，但分析波段的選擇影響定量準確性。為此，該團隊提出了一種基于信息密度的自適應(yīng)波段優(yōu)選（ID-ABS）方法（李新春，Optics Express 2025），以糾正高濃度下吸收飽和引發(fā)的光譜非線性響應(yīng)、儀器分辨率限制以及基線重建誤差等問題。該模型整合譜線強度、吸收飽和特性、儀器線型函數(shù)及基線特征，動態(tài)評估全光譜信息密度分布，進而優(yōu)選各組分反演參數(shù)，確定最優(yōu)反演波段，最后通過非線性多元回歸迭代更新參數(shù)，直至收斂。實驗驗證表明，該方法對甲烷定量分析的線性動態(tài)范圍達到3×107（R2=0.9998）。ID-ABS?模型的適用性可拓展至其他具有紅外吸收特性的氣體，大幅提升了基于?FTIR?技術(shù)對復(fù)雜多組分混合物的定量分析能力。

以上論文第一作者分別為博士生王鈺豪、李新春及碩士生胥泰然，研究獲國家重點研發(fā)計劃與企業(yè)委托項目資助。這一系列工作將進一步拓展傅里葉紅外光譜儀器技術(shù)的多領(lǐng)域精準應(yīng)用。

論文鏈接：

1.https://pubs.acs.org/doi/10.1021/acs.analchem.5c03975

2.https://opg.optica.org/oe/abstract.cfm?uri=oe-33-17-35865

3.https://opg.optica.org/oe/fulltext.cfm?uri=oe-33-19-39855

4.https://opg.optica.org/oe/fulltext.cfm?uri=oe-32-26-47137

圖1?基于注意力機制的混合物識別深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)

圖2?基于注意力機制的混合物識別深度學(xué)習(xí)網(wǎng)絡(luò)與現(xiàn)有方法在復(fù)雜混合物識別準確率方面的對比情況

圖3?RA-ICA方法和其他基線校正方法的結(jié)果對比

圖4?抑制-適應(yīng)-優(yōu)化模型示意圖

圖5?抑制-適應(yīng)-優(yōu)化模型擬合誤差示意圖

圖6?ID-ABS?模型在實測數(shù)據(jù)的表現(xiàn)

圖7?ID-ABS模型對比其他模型的動態(tài)范圍