综述:人工智能算法在太赫兹传感技术应用中的最新进展
《TRAC-TRENDS IN ANALYTICAL CHEMISTRY》:Recent Advances in Application of Artificial Intelligence Algorithms in Terahertz Sensing Techniques
【字体:
大
中
小
】
时间:2026年01月03日
来源:TRAC-TRENDS IN ANALYTICAL CHEMISTRY 12
编辑推荐:
秦建元|吴星|王芳|肖炳刚|杜勇中国吉利梁大学太赫兹研究中心,杭州310018,中国摘要近年来,太赫兹传感技术已被广泛用于确定各种领域目标的特性。人工智能算法为提高效率和准确性提供了有前景的解决方案。借助人工智能算法,太赫兹传感技术在分析灵敏度、成像分辨率和操作效率方面可以显著提
秦建元|吴星|王芳|肖炳刚|杜勇
中国吉利梁大学太赫兹研究中心,杭州310018,中国
摘要
近年来,太赫兹传感技术已被广泛用于确定各种领域目标的特性。人工智能算法为提高效率和准确性提供了有前景的解决方案。借助人工智能算法,太赫兹传感技术在分析灵敏度、成像分辨率和操作效率方面可以显著提升。本文综述了人工智能辅助下的太赫兹传感技术的最新进展。首先概述了太赫兹传感技术和人工智能算法;随后详细介绍了人工智能算法在太赫兹光谱学、成像和超传感器设计中的应用;最后对人工智能辅助的太赫兹传感技术进行了总结和展望。
引言
太赫兹(THz)技术是一个发展迅速的领域,在生物医学[1]、农业[3]、安全[5]、通信[7]等多个应用中具有巨大潜力。太赫兹波通常指频率在0.1-10.0 THz范围内的电磁波,见图1。太赫兹波介于微波和红外波之间,具有电子和光子特性。其波长比微波短,因此能够实现更高的空间分辨率。分子振动、分子旋转和弱分子间力的能量水平大多位于太赫兹范围内,因此太赫兹波包含了丰富的分子信息。由于光子能量较低,太赫兹波是非电离的,不会对生物组织造成损伤[9]。此外,太赫兹波能够穿透多种非极性和介电材料[10],从而实现材料的无损检测。这些独特特性使得太赫兹波成为解决目标物质分类和识别问题的更有效工具,从而催生了太赫兹传感技术[11]。然而,传统的太赫兹传感技术在检测低浓度目标时灵敏度有限。分子响应截面(纳米级)与太赫兹波长(亚毫米级)之间的显著不匹配限制了太赫兹波的检测能力。人工设计的具有周期性排列的亚波长单元的超材料可以作为传感器件,解决太赫兹传感的灵敏度问题[12]、[13]。研究表明,结构精良的超材料具有调节电磁波的卓越能力[14]、[15]。
从样品中获得的太赫兹信号(包括一维光谱和二维图像)包含了样品的信息。通过对太赫兹信号进行精确分析,可以从复杂信号中提取出作为目标特征识别符号的关键数据。任何涉及信号分析以提取嵌入信息的任务都可以被视为人工智能(AI)的潜在应用领域。一般来说,AI是一种使机器具备人类大脑智能的技术,即将人类智能嵌入到机器中[16]。AI根据规定的规则和算法执行任务,主要包括机器学习(ML)和深度学习(DL)[17]。ML是AI的一个子集,包含多种使机器无需明确编程即可从数据中学习的算法。ML利用数据和算法训练机器进行分析和决策,在新数据出现时具有动态自我调整能力,这是ML“学习”概念的核心[16]、[18]。具体而言,ML算法旨在最小化预测误差并提高模型的鲁棒性。DL是ML的一个子集,采用人工神经网络(ANN)算法来模拟生物神经网络。DL通过将新信息与已知数据进行比较来处理数据,以对输入进行分类并提取见解[16]、[19]。在处理非结构化数据时,DL凭借其ANN在准确性方面优于ML。然而,这种卓越的性能需要大规模的训练数据集以及高性能和高成本的硬件-软件生态系统。
随着AI算法性能的提高,这项技术已被广泛应用于太赫兹传感中,以从太赫兹信号中提取和分析关键信息以完成特定任务。在本文中,我们首先介绍了太赫兹传感技术和AI算法的基本原理;随后详细阐述了AI算法在太赫兹光谱学、成像和超传感器设计中的应用;最后总结了这项组合技术的进展和前景。
章节片段
太赫兹传感技术
太赫兹技术的应用主要分为太赫兹光谱学和太赫兹成像。最常用的太赫兹光谱技术是太赫兹时域光谱(THz-TDS)[20]、[21]。目前,THz-TDS已初步应用于蛋白质[22]、癌组织[23]、细菌[24]、农药[25]和抗生素[26]等物质的识别。此外,由于其高时间分辨率,THz-TDS非常适合动态监测
AI算法
ML是AI的一个子领域,它系统地利用算法揭示数据与信息之间的内在关系。在互联网技术发展的背景下,ML已成为信息技术革命的关键部分,在医疗保健[44]、语音识别[45]、信息检索[46]和机器翻译[47]等领域取得了成功应用。ML算法主要分为四类:监督学习、无监督学习等
AI辅助的太赫兹光谱学
太赫兹光谱数据集通常复杂且量大,手动数据预处理和材料参数的迭代拟合会导致复杂性、精度损失和测量不一致性。通过近似分析会牺牲一定的精度。研究表明,使用模拟数据训练集,AI算法可以替代理论模型拟合,实现更快的实现速度和运行时间[86]。此外,AI算法
结论与展望
作为一种新兴的传感技术,太赫兹传感已在多个工业领域得到广泛应用。将AI算法融入太赫兹传感技术带来了显著优势,尤其是在医学诊断和安全筛查领域。本文探讨了AI算法在太赫兹传感技术中的应用,介绍了太赫兹传感技术和AI算法的基本概念及其集成和应用
CRediT作者贡献声明
杜勇:验证、资金获取。肖炳刚:撰写 – 审稿与编辑、研究。王芳:撰写 – 审稿与编辑、研究。吴星:撰写 – 审稿与编辑、研究。秦建元:撰写 – 原稿撰写、资金获取、概念构思
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。
利益冲突声明
? 作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。
致谢
本工作得到了国家自然科学基金(32371983和62275238)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号