MOSセンサーアレイに基づく小分子有機アミンガス認識と予測のためのハイブリッド深層学習ニューラルネットワーク
Hybrid Deep Learning Neural Networks for Small-Molecule Organic Amine Gas Recognition and Prediction Based on MOS Sensor Array
二酸化炭素回収・利用・貯留(CCUS)技術において、有機アミン系吸収法は広く採用されているが、漏洩した有機アミンの吸入は健康被害を引き起こす可能性がある。本研究では、金属酸化膜半導体(MOS)センサーアレイを用いて、小分子有機アミンの種類と濃度変化を識別する手法を開発した。1次元畳み込みニューラルネットワーク(1D-CNN)と双方向ゲート付き回帰ユニット(Bi-GRU)を組み合わせたハイブリッドモデルを構築し、5分割交差検証により学習させた。このモデルは、ガス分類精度0.9969 ± 0.0006を達成し、MEA濃度予測においては、決定係数(R2)0.9969、RMSE 2.1306、MAE 1.5503という高い性能を示した。この手法は、現場でのガスモニタリングや早期危険警報への応用が期待される。
- 金属酸化膜半導体(MOS)センサーアレイと1次元畳み込みニューラルネットワーク(1D-CNN)+双方向ゲート付き回帰ユニット(Bi-GRU)のハイブリッドモデルにより、小分子有機アミンの種類と濃度変化を識別する手法を開発
- 5分割交差検証で学習したモデルがガス分類精度0.9969±0.0006を達成
- MEA(モノエタノールアミン)濃度予測で決定係数R2 0.9969、RMSE 2.1306、MAE 1.5503を達成
- CCUS(二酸化炭素回収・利用・貯留)の有機アミン系吸収法における漏洩検知・現場ガスモニタリングや早期危険警報への応用を想定
CCUS の有機アミン漏洩検知という具体的な安全・環境ニーズに対し、MOS センサーアレイ+1D-CNN/Bi-GRU のハイブリッド深層学習で分類精度 0.9969、MEA 濃度予測 R2 0.9969 を達成した点が核心です。ガスセンサーとエッジ AI 推論を組み合わせた現場モニタリング/早期警報は、CCUS 設備の付帯センシング市場や産業安全(リーク検知)向けの組み込み AI 需要に直結しうるため、センサー素子メーカーや環境モニタリング企業の技術ロードマップを占う材料として注目します。ただし現段階は学術研究段階の精度検証であり、実機・実環境での耐久性や量産コスト、規制認証は未確認で、投資判断には追加の実証データが必要です。