Microplastia: pequeñas partículas de plástico derramadas cuando se rompe la basura: están en todas partes, desde el mar profundo hasta el monte del Everest y muchos investigadores se preocupan por ser perjudicados por la salud humana.
Soy investigador para aprender una máquina. Con estos científicos, desarrollé una herramienta de identificación de microplastia utilizando su huella digital química única más confiable. Esperamos que este documento nos ayude a descubrir los tipos de microclásticos que flotan por el aire en nuestra área de investigación, Michigan.
Microplastia – Problema global
El término plástico se refiere a una amplia gama de polímeros creados artificialmente. El polietileno o la mascota se usa para hacer botellas; Polipropileno o PP, utilizado en contenedores de alimentos; y cloruro de polivinilo, o PVC, utilizado en tuberías y tuberías.
La microplastia son pequeñas partículas de plástico que se mueven en tamaño de 1 micrómetro hasta 5 milímetros. El ancho del cabello humano, la comparación, varía de 20 a 200 micrómetros.
La mayoría de los estudios científicos se centran en los microplásticos en el agua. Sin embargo, la microplastia también está en el aire. Los científicos saben mucho menos sobre los microplásticos en la atmósfera.
Cuando los científicos recolectan muestras del medio ambiente para el estudio de los microclásticos, generalmente quieren saber más sobre las identidades químicas de las partículas microplásticas que se encuentran en las muestras.
Las botellas de plástico a menudo están hechas de polietileno, mientras que los recipientes de alimentos generalmente contienen polipropileno. Anton Petrus / Momento a través de Getty Images Microplasty
Así como la huella digital es exclusiva para identificar a una persona, los científicos usan espectroscopía para determinar la identidad química de los microclásticos. En la espectroscopía, una sustancia o luz absorbida o desintegrada, dependiendo de cómo vibran sus moléculas. La luz absorbida o dispersa crea un patrón único llamado espectro, que es una impronta de sustancia efectiva.
La espectroscopía puede ajustar sustancias con una huella digital única. Vector’s / Istock a través de Getty Images Plus
Así como el analista forense puede hacer coincidir una huella digital desconocida con una base de datos para la identificación de una persona, los investigadores pueden corresponder a un espectro de partículas microplásticas desconocidas contra la base de datos de espectro conocida.
Sin embargo, los analistas forenses pueden obtener partidos falsos en una coincidencia de huellas digitales. Del mismo modo, la coincidencia espectral en la base de datos no es grosera. Muchos polímeros de plástico tienen estructuras similares, por lo que dos polímeros diferentes pueden tener un espectro similar. Esta superposición puede conducir a la ambigüedad en el proceso de identificación.
Por lo tanto, el método de identificación de polímeros debe proporcionar una medida de inseguridad en su producción. De esta manera, el usuario puede saber cuánto confiar en una coincidencia de dedos de polímero. Desafortunadamente, los métodos actuales generalmente no proporcionan una medida de inseguridad.
Los datos de los análisis microplásticos pueden informar las recomendaciones de salud y las decisiones de política, por lo que es importante que las personas hagan estas llamadas para saber cuán confiable es lo confiable que es.
Pronóstico conforme
El aprendizaje mecánico es una herramienta que los investigadores comenzaron a usar la identificación microplástica.
Primero, los investigadores recopilan un gran conjunto de espectros cuyas identidades son conocidas. Luego, usan este baklet para entrenar algoritmos en el aprendizaje de una máquina que enseña la identidad química de la sustancia desde su espectro.
Algoritmos sofisticados cuyos trabajos internos pueden ser opacos dadas estas predicciones, de modo que la falta de medidas de inseguridad se convierte en un problema aún mayor al aprender que la máquina está involucrada.
Nuestro trabajo reciente se refiere a esta pregunta creando herramientas con cuantificación de la inseguridad para la identificación microplástica. Utilizamos una técnica de aprendizaje de una máquina llamada de acuerdo con la predicción condicional.
La predicción conforme es como envoltorios sobre algoritmos existentes y entrenados de máquinas de aprendizaje que agrega cuantificación de la incertidumbre. No requiere que el usuario los algoritmos en las máquinas de aprendizaje tenga un conocimiento detallado del algoritmo o sus datos de capacitación. El usuario solo es necesario para comenzar el algoritmo de predicción en el nuevo conjunto de espectros.
Para establecer el pronóstico conforme, los investigadores recolectan un conjunto de calibración que contiene los espectros y su verdadera identidad. El conjunto de calibración a menudo es mucho más pequeño que los datos de entrenamiento necesarios para los algoritmos de maquinaria. Por lo general, es solo unos cientos de espectro suficiente para la calibración.
Luego, la predicción conforme analiza las diferencias entre predicciones y respuestas precisas en el conjunto de calibración. Usando este análisis, agregue otro algoritmo de identidades creíbles con una producción única en un espectro de partículas especial. En lugar de una predicción, posiblemente incorrecta, como “Esta partícula es polietileno”, ahora sale de un conjunto de predicciones, por ejemplo, “esta partícula podría ser polietileno o polipropileno”.
Los estilos de predicciones contienen una identidad real con el nivel de confianza que los usuarios pueden configurar, por ejemplo, 90%. Los usuarios pueden repetir la predicción coordinada con mayor confianza, por ejemplo, 95%. Pero cuanto mayor sea el nivel de confianza, más predicciones de polímeros dadas por el modelo en la producción.
Puede parecer que el método que sale, y no una identidad única no es tan útil. Pero el tamaño del conjunto sirve como una forma de evaluar la incertidumbre; un conjunto pequeño indica menos incertidumbre.
Por otro lado, si el algoritmo predice que la muestra podría ser muchos polímeros diferentes, existe una inseguridad significativa. En este caso, podría traer de cerca a un experto humano para probar un polímero.
Prueba de herramientas
Para liderar nuestras predicciones conformes, mi equipo usó bibliotecas de espectros microplásticos del Laboratorio Rohman en la Universidad de Toronto como un conjunto de calibración.
Una vez calibrados, recolectamos muestras del estacionamiento en Brighton, Michigan, obtuvo su espectro y atropelló el algoritmo. También buscamos un experto para etiquetar manualmente el espectro con las identidades de polímero correctas. Hemos descubierto que la predicción conforme produjo conjuntos que incluían la etiqueta que dio el experto humano.
Algunos espectros, como el polietileno a la izquierda y el polipropileno a la derecha, se ven muy similares y se pueden cambiar fácilmente. Es por eso que la medida de la inseguridad puede ser útil. Ambuj thevari
Microplastia entró durante el mundo. Algunos lugares como California comenzaron a recopilar evidencia de una legislación futura para ayudar a combatir la contaminación microplástica.
La ciencia basada en la evidencia puede ayudar a los investigadores y responsables políticos a comprender completamente el alcance de la contaminación microplástica y las amenazas que representa el bienestar humano. El edificio y el intercambio abierto de la máquina basado en la máquina es una forma de suceder.
Descubre más desde USA Today
Suscríbete y recibe las últimas entradas en tu correo electrónico.
Spanish 