Poröse Materialien und maschinelles Lernen bieten eine kostengünstige Methode zur Überwachung von Mikroplastik

Optische Analyse- und maschinelle Lerntechniken können Mikroplastik in Meeres- und Süßwasserumgebungen nun mithilfe kostengünstiger poröser Metallsubstrate problemlos erkennen. Einzelheiten zu der Methode, die von Forschern der Universität Nagoya in Zusammenarbeit mit dem National Institute for Materials Sciences in Japan und anderen entwickelt wurde, wurden in der Zeitschrift veröffentlicht Naturkommunikation.

Das Erkennen und Identifizieren von Mikroplastik in Wasserproben ist für die Umweltüberwachung unerlässlich, stellt jedoch eine Herausforderung dar, zum Teil aufgrund der strukturellen Ähnlichkeit von Mikroplastik mit natürlichen organischen Verbindungen, die aus Biofilmen, Algen und verrottenden organischen Stoffen stammen. Bestehende Nachweismethoden erfordern im Allgemeinen komplexe Trenntechniken, die zeitaufwändig und kostspielig sind.

„Mit unserer neuen Methode können wir sechs wichtige Mikroplastikarten – Polystyrol, Polyethylen, Polymethylmethacrylat, Polytetrafluorethylen, Nylon und Polyethylenterephthalat – gleichzeitig trennen und ihre Häufigkeit messen“, sagt Dr. Olga Guselnikova vom National Institute for Materials Science (NIMS).

Das System verwendet einen porösen Metallschaum, um Mikroplastik aus einer Lösung zu erfassen und es mithilfe eines Verfahrens namens oberflächenverstärkte Raman-Spektroskopie (SERS) optisch zu erkennen. „Die erhaltenen SERS-Daten sind hochkomplex“, erklärt Dr. Joel Henzie vom NIMS, „aber sie enthalten erkennbare Muster, die mit modernen Techniken des maschinellen Lernens interpretiert werden können.“

Zur Analyse der Daten entwickelte das Team einen Computeralgorithmus mit neuronalen Netzwerken namens SpecATNet. Dieser Algorithmus lernt, die Muster in den optischen Messungen zu interpretieren, um die Mikroplastikpartikel schneller und genauer zu identifizieren als mit herkömmlichen Methoden.

„Unser Verfahren birgt ein enormes Potenzial für die Überwachung von Mikroplastik in Proben, die direkt aus der Umwelt gewonnen werden. Es ist keine Vorbehandlung erforderlich und wird gleichzeitig nicht durch mögliche Verunreinigungen beeinträchtigt, die andere Methoden beeinträchtigen könnten“, sagt Professor Yusuke Yamauchi von der Universität Nagoya.

Die Forscher hoffen, dass ihre Innovation der Gesellschaft dabei helfen wird, die Bedeutung der Mikroplastikverschmutzung für die öffentliche Gesundheit und die Gesundheit aller Organismen in Meeres- und Süßwasserumgebungen einzuschätzen. Durch die Entwicklung kostengünstiger Mikroplastiksensoren und Open-Source-Algorithmen zur Dateninterpretation hoffen sie, eine schnelle Erkennung von Mikroplastik auch in ressourcenarmen Laboren zu ermöglichen.

Derzeit ermöglichen die für das neue System benötigten Materialien Kosteneinsparungen von 90 bis 95 % im Vergleich zu handelsüblichen Alternativen. Die Gruppe plant, die Kosten dieser Sensoren noch weiter zu senken und die Methoden einfach reproduzierbar zu machen, ohne dass teure Einrichtungen erforderlich sind. Darüber hinaus hoffen die Forscher, die Fähigkeiten des neuronalen Netzwerks SpecATNet zu erweitern, um ein breiteres Spektrum an Mikroplastik zu erkennen und neben SERS-Daten sogar verschiedene Arten spektroskopischer Daten zu akzeptieren.