stringtranslate.com

Computación óptica multivariante

La computación óptica multivariante , también conocida como computación de factores moleculares, es un enfoque para el desarrollo de instrumentos espectroscópicos de detección comprimida , en particular para aplicaciones industriales como el soporte analítico de procesos . Los métodos espectroscópicos "convencionales" a menudo emplean métodos multivariantes y quimiométricos , como la calibración multivariante , el reconocimiento de patrones y la clasificación , para extraer información analítica (incluida la concentración) de los datos recopilados en muchas longitudes de onda diferentes. La computación óptica multivariante utiliza una computadora óptica para analizar los datos a medida que se recopilan. El objetivo de este enfoque es producir instrumentos que sean simples y resistentes, pero que conserven los beneficios de las técnicas multivariantes para la precisión y exactitud del resultado.

Un instrumento que implementa este enfoque puede describirse como una computadora óptica multivariante . Dado que describe un enfoque, en lugar de un rango de longitud de onda específico, las computadoras ópticas multivariantes pueden construirse utilizando una variedad de instrumentos diferentes (incluidos el infrarrojo por transformada de Fourier ( FTIR ) [1] y el Raman [2] ).

El "software" en computación óptica multivariante se codifica directamente en un motor de cálculo espectral de elementos ópticos, como un elemento óptico multivariante basado en un filtro de interferencia (MOE), una rejilla holográfica , un filtro sintonizable de cristal líquido , un modulador de luz espacial (SLM) o un dispositivo de microespejos digitales (DMD), y es específico para la aplicación particular. El patrón óptico para el motor de cálculo espectral está diseñado para el propósito específico de medir la magnitud de ese patrón de múltiples longitudes de onda en el espectro de una muestra, sin medir realmente un espectro. [3]

La computación óptica multivariable permite fabricar instrumentos con las matemáticas de reconocimiento de patrones diseñadas directamente en una computadora óptica, que extrae información de la luz sin registrar un espectro. Esto permite lograr la velocidad, confiabilidad y robustez necesarias para los instrumentos de control de procesos en línea y en tiempo real.

La computación óptica multivariante codifica un vector de regresión óptica analógica de una función de transmisión para un elemento óptico. La luz que emana de una muestra contiene la información espectral de esa muestra, ya sea que se descubra el espectro o no. A medida que la luz pasa de una muestra a través del elemento, la intensidad normalizada, que se detecta mediante un detector de banda ancha, es proporcional al producto escalar del vector de regresión con ese espectro, es decir, es proporcional a la concentración del analito para el que se diseñó el vector de regresión. La calidad del análisis es entonces igual a la calidad del vector de regresión que se codifica. Si la resolución del vector de regresión se codifica a la resolución del instrumento de laboratorio a partir del cual se diseñó ese vector de regresión y la resolución del detector es equivalente, entonces la medición realizada mediante computación óptica multivariante será equivalente a la de ese instrumento de laboratorio por medios convencionales. La técnica está avanzando en un nicho de mercado para la detección en entornos hostiles. Específicamente, la técnica se ha adoptado para su uso en la industria petrolera para la detección de la composición de hidrocarburos en pozos petrolíferos y el monitoreo de tuberías. En tales situaciones, son necesarias mediciones de calidad de laboratorio, pero en entornos hostiles. [4]

Historia

Aunque el concepto de utilizar un solo elemento óptico para la regresión y detección de analitos se sugirió en 1986, [5] el primer dispositivo con concepto MOC completo se publicó en 1997 del grupo Myrick de la Universidad de Carolina del Sur , [6] con una demostración posterior en 2001. [7] La ​​técnica ha recibido mucho reconocimiento en la industria óptica como un nuevo método para realizar análisis óptico con ventajas para la detección de entornos hostiles. [4] [7] [8] [9] [10] La técnica se ha aplicado a la espectroscopia Raman, [2] [11] [12] espectroscopia de fluorescencia , [12] [13] [14] [ 15 ] [16] [17] [18] [19] espectroscopia de absorbancia en UV-Vis , [7] [20] NIR [21] [22] [23] y MIR , [24] [25] microscopía , [26] espectroscopia de reflectancia [27] e imágenes hiperespectrales . [11] [20] [22] [23] [27] [28] [29] En los años transcurridos desde la primera demostración, se han demostrado aplicaciones para defensa, [30] ciencia forense, [31] monitoreo de reacciones químicas, [6] [32] monitoreo ambiental , [8] [33] [34] reciclaje, [21] [35] alimentos y medicamentos, [28] [36] ciencias médicas y de la vida, [14] [15] [ 16] [17] [18] [19] y la industria petrolera. [4] [10] [25] [32] [37] [38] [39] [40] [41] [42] La primera demostración publicada del uso de MOC en entornos hostiles fue en 2012 con un estudio de laboratorio con temperaturas de 150F a 350F y presiones de 3000psi a 20,000psi, [10] seguida en 2013 con pruebas de campo en pozos de petróleo. [42]

Referencias

  1. ^ 1 Myrick, Michael L.; Haibach, Frederick G. (1 de abril de 2004), "Precisión en computación óptica multivariante", Applied Optics , 43 (10): 2130–2140, Bibcode :2004ApOpt..43.2130H, doi :10.1364/AO.43.002130, PMID  15074423
  2. ^ ab Nelson, MP; Aust, JF; Dobrowolski, JA; Verly, PG; Myrick, Michael L. (1998), "Computación óptica multivariante para espectroscopia predictiva", Analytical Chemistry , 70 (1): 73–82, Bibcode :1998SPIE.3261..232N, doi :10.1021/ac970791w, PMID  21644602
  3. ^ Vornehm, JE Jr; Dong, AJ; Boyd, RW; et al. (2014). "Computación óptica multivariante de salida múltiple para reconocimiento de espectro". Optics Express . 22 (21): 25005–14. Bibcode :2014OExpr..2225005V. doi : 10.1364/OE.22.025005 . PMID  25401534. S2CID  28584987.
  4. ^ abc Jones, Christopher M.; et al. (30 de agosto de 2014), "La computación óptica multivariante permite una detección precisa de entornos hostiles para la industria del petróleo y el gas", Laser Focus World , 50 (8): 27–31 , consultado el 30 de agosto de 2014
  5. ^ Bialkowski, S (1986). "Discriminación de especies y estimación cuantitativa utilizando procesamiento de señales ópticas lineales incoherentes de señales de emisión". Química analítica . 58 (12): 2561–2563. doi :10.1021/ac00125a043.
  6. ^ ab Dobrowolski, Jerzy A.; Verly, Pierre G.; Myrick, Michael L.; Nelson, Matthew P.; Aust, Jeffrey F. (1997). "Diseño de filtros de película delgada para el monitoreo de reacciones químicas". En Hall, Randolph L (ed.). Películas delgadas ópticas V: Nuevos desarrollos . Vol. 3133. p. 38. doi :10.1117/12.290200. S2CID  135787454.
  7. ^ abc Soyemi, O.; Eastwood, D.; Zhang, L.; et al. (2001). "Diseño y prueba de un elemento óptico multivariante: la primera demostración de computación óptica multivariante para espectroscopia predictiva". Química analítica . 73 (6): 1069–1079. doi :10.1021/ac0012896.
  8. ^ ab Eastwood, Delyle; Soyemi, Olusola O.; Karunamuni, Jeevanandra; Zhang, Lixia; Li, Hongli; Myrick, Michael L. (2001). "Aplicaciones de campo de la detección de distancia mediante computación óptica multivariante visible/NIR". En Vo-Dinh, Tuan; Spellicy, Robert L (eds.). Monitoreo y remediación de la contaminación del agua, el suelo y el aire . Vol. 4199. pág. 105. doi :10.1117/12.417366. S2CID  93350247.
  9. ^ Myrick, ML (2002). "Los elementos ópticos multivariados simplifican la espectroscopia". Laser Focus World. 38 (3): 91–94.
  10. ^ abc Jones, CM, Freese, B., Pelletier, M. et al. 2012. Análisis óptico de calidad de laboratorio en entornos hostiles. Presentado en la Conferencia y exposición internacional sobre petróleo de la SPE Kuwait,
  11. ^ ab Davis, BM; Hemphill, AJ; Maltaş, DC; et al. (2011). "Imágenes Raman hiperespectrales multivariadas mediante detección compresiva". Química analítica . 83 (13): 5086–5092. doi :10.1021/ac103259v. PMID  21604741.
  12. ^ ab Smith, ZJ; Strombom, S.; Wachsmann-Hogiu, S. (2011). "Computación óptica multivariante utilizando un dispositivo de microespejos digitales para fluorescencia y espectroscopia Raman". Optics Express . 19 (18): 16950–16962. Bibcode :2011OExpr..1916950S. doi : 10.1364/OE.19.016950 . PMID  21935055.
  13. ^ Priore, Ryan J.; Swanstrom, Joseph A. (2015). "Computación óptica multivariante para discriminación de fluorocromos". En Coté, Gerard L (ed.). Diagnóstico óptico y detección XV: hacia diagnósticos en el punto de atención . Vol. 9332. pág. 933212. doi :10.1117/12.2080996. S2CID  120527052.
  14. ^ ab Priore, Ryan J.; Swanstrom, Joseph A. (2014). "Plataforma de elementos ópticos multivariados para la detección comprimida de marcadores de fluorescencia". En Druy, Mark A; Crocombe, Richard A (eds.). Next-Generation Spectroscopic Technologies VII . Vol. 9101. págs. 91010E. doi :10.1117/12.2053570. S2CID  120097929.
  15. ^ ab Priore, RJ (2013). "ÓPTICA PARA BIOPOTÓNICA: Los elementos ópticos multivariados superan a los filtros de paso de banda en el análisis de fluorescencia". Laser Focus World. 49 (6): 49–52.
  16. ^ ab Swanstrom, JA; Bruckman, LS; Pearl, MR; et al. (2013). "Clasificación taxonómica del fitoplancton con computación óptica multivariante, parte I: diseño y rendimiento teórico de elementos ópticos multivariantes". Applied Spectroscopy . 67 (6): 220–229. Bibcode :2013ApSpe..67..620S. doi :10.1366/12-06783. PMID  23735247. S2CID  5400202.
  17. ^ ab Swanstrom, JA; Bruckman, LS; Pearl, MR; et al. (2013). "Clasificación taxonómica del fitoplancton con computación óptica multivariante, parte II: diseño y protocolo experimental de un fotómetro de imágenes de fluorescencia a bordo". Applied Spectroscopy . 67 (6): 230–239. Bibcode :2013ApSpe..67..630S. doi :10.1366/12-06784. PMID  23735248. S2CID  25533573.
  18. ^ ab Pearl, MR; Swanstrom, JA; Bruckman, LS; et al. (2013). "Clasificación taxonómica del fitoplancton con computación óptica multivariante, parte III: demostración". Applied Spectroscopy . 67 (6): 240–247. Bibcode :2013ApSpe..67..640P. doi :10.1366/12-06785. PMID  23735249. S2CID  12109872.
  19. ^ ab Qu, JY; Chang, H.; Xiong, S. (2002). "Imágenes espectrales de fluorescencia para la caracterización de tejidos basada en análisis estadístico multivariante". Journal of the Optical Society of America A . 19 (9): 1823–1831. Bibcode :2002JOSAA..19.1823Q. doi :10.1364/JOSAA.19.001823. PMID  12216876. S2CID  12214976.
  20. ^ ab Priore, RJ, Greer, AE, Haibach, FG et al. 2003. Nuevos sistemas de imágenes: computación óptica multivariante en el UV-VIS. En Proc., IS&T's NIP19: Conferencia internacional sobre tecnologías de impresión digital, vol. 19, 906–910. Nueva Orleans, Luisiana.
  21. ^ ab Pruett, Eric (2015). "Los últimos avances en los espectrómetros de infrarrojo cercano DLP de Texas Instruments permiten la próxima generación de sistemas portátiles y compactos integrados". En Druy, Mark A; Crocombe, Richard A; Bannon, David P (eds.). Next-Generation Spectroscopic Technologies VIII . Vol. 9482. págs. 94820C. doi :10.1117/12.2177430. S2CID  114904996.
  22. ^ ab Myrick, Michael L.; Soyemi, Olusola O.; Haibach, Fred; Zhang, Lixia; Greer, Ashley; Li, Hongli; Priore, Ryan; Schiza, María V.; Farr, JR (2002). "Aplicación de la computación óptica multivariante a imágenes del infrarrojo cercano". En Christesen, Steven D; Sedlacek III, Arthur J (eds.). "Sistemas de sensores basados ​​en espectroscopia vibratoria" . vol. 4577. pág. 148. doi : 10.1117/12.455732. S2CID  109007082.
  23. ^ ab Myrick, Michael L.; Soyemi, Olusola O.; Schiza, MV; Farr, JR; Haibach, Fred; Greer, Ashley; Li, Hong; Priore, Ryan (2002). "Aplicación de computación óptica multivariante a mediciones puntuales simples en el infrarrojo cercano". En Jensen, James O; Spellicy, Robert L (eds.). Instrumentación para la contaminación del aire y el monitoreo atmosférico global . Vol. 4574. págs. 208–215. doi :10.1117/12.455161. S2CID  110288509.
  24. ^ Coates, J (2005). "Un nuevo enfoque para el análisis de procesos en el infrarrojo cercano y medio: la tecnología infrarroja fotométrica codificada tiene la capacidad de abordar las demandas de las aplicaciones de procesos modernas, incluidas las de la iniciativa PAT". Spectroscopy . 20 (1): 32–35.
  25. ^ ab Jones, C., Gao, L., Perkins, D. et al. 2013. Prueba de campo de los elementos computacionales integrados: un nuevo sensor óptico para el análisis de fluidos de fondo de pozo. Presentado en el 54.° Simposio anual sobre registros de la SPWLA, Nueva Orleans, Luisiana, del 22 al 26 de junio. SPWLA-2013-YY.
  26. ^ Nelson, Matthew P.; Aust, Jeffrey F.; Dobrowolski, Jerzy A.; Verly, Pierre G.; Myrick, Michael L. (1998). "Computación óptica multivariante para espectroscopia predictiva". En Cogswell, Carol J; Conchello, Jose-Angel; Lerner, Jeremy M; Lu, Thomas T; Wilson, Tony (eds.). Microscopía tridimensional y multidimensional: adquisición y procesamiento de imágenes V. Vol. 3261. págs. 232–243. doi :10.1117/12.310558. S2CID  108965881.
  27. ^ ab Boysworth, MK; Banerija, S.; Wilson, DM; et al. (2007). "Generalización de cálculos ópticos multivariados como método para mejorar la velocidad y precisión de los análisis espectroscópicos". Journal of Chemometrics . 22 (6): 355–365. doi :10.1002/cem.1132. S2CID  122073990.
  28. ^ ab Mendendorp, J.; Lodder, RA (2005). "Aplicaciones de detección y procesamiento integrados en imágenes y detección espectroscópicas". Journal of Chemometrics . 19 (10): 533–542. CiteSeerX 10.1.1.141.4078 . doi :10.1002/cem.961. S2CID  17681571. 
  29. ^ Priore, RJ; Haibach, FG; Schiza, MV; et al. (2004). "Un sistema de imágenes espectrales estéreo en miniatura para computación óptica multivariante". Applied Spectroscopy . 58 (7): 870–873. Bibcode :2004ApSpe..58..870P. doi :10.1366/0003702041389418. PMID  15282055. S2CID  39015203.
  30. ^ Soyemi, Olusola O.; Zhang, Lixia; Eastwood, Delyle; Li, Hongli; Gemperline, Paul J .; Myrick, Michael L. (2001). "Dispositivo de computación óptica simple para análisis químico". En Descour, Michael R; Rantala, Juha T (eds.). Integración funcional de dispositivos y sistemas optoelectromecánicos . Vol. 4284. págs. 17–28. doi :10.1117/12.426870. S2CID  137444406.
  31. ^ Myrick, ML; Soyemi, O.; Li, H.; et al. (2001). "Determinación de la tolerancia espectral para el diseño de elementos ópticos multivariados". Fresenius' Journal of Analytical Chemistry . 369 (3–4): 351–355. doi :10.1007/s002160000642. PMID  11293715. S2CID  19109.
  32. ^ ab Fratkin, M. 2008. Sensores de calidad de aceite en línea. Presentado en el Simposio CTMA, Baltimore, Maryland, 7-9 de abril.
  33. ^ Soyemi, Olusola O.; Gemperline, Paul J .; Zhang, Lixia; Eastwood, Delyle; Li, Hong; Myrick, Michael L. (2001). "Nuevo algoritmo de diseño de filtros para computación óptica multivariante". En Vo-Dinh, Tuan; Buettgenbach, Stephanus (eds.). Tecnología avanzada de detección ambiental y química . Vol. 4205. pág. 288. doi :10.1117/12.417462. S2CID  110391915.
  34. ^ Myrick, Michael L. (1999). "Nuevos enfoques para implementar la espectroscopia predictiva". En Siddiqui, Khalid J; Eastwood, Delyle (eds.). Reconocimiento de patrones, quimiometría e imágenes para el monitoreo ambiental óptico . Vol. 3854. págs. 98–102. doi :10.1117/12.372890. S2CID  119947119.
  35. ^ Pruett, E. 2015. Técnicas y aplicaciones de codificación de patrones espectrales programables en espectroscopia DLP de Texas Instruments. En Proc. SPIE 9376, Emerging Digital Micromirror Device Based Systems and Applications VII, 93760H, eds. MR Douglass, PS King y BL Lee. San Francisco, California, 10 de marzo.
  36. ^ Dai, B.; Urbas, A.; Douglas, CC; et al. (2007). "Computación de factores moleculares para espectroscopia predictiva". Investigación farmacéutica . 24 (8): 1441–1449. CiteSeerX 10.1.1.141.5296 . doi :10.1007/s11095-007-9260-1. PMID  17380265. S2CID  3223005. 
  37. ^ Jones, CM, van Zuilekom, T., e Iskander, F. 2016. ¿Qué tan preciso es el análisis óptico de fluidos mejorado en comparación con las mediciones PVT de laboratorio? Presentado en el 57.° simposio anual de la SPWLA, Reykjavik, Islandia, del 25 al 29 de junio. SPWLA-2016-JJJ.
  38. ^ Jones, CM, He, T., Dai, B. et al. 2015. Medición y uso de fluidos de formación, contenido de saturados y aromáticos con comprobadores de formación con cable. Presentado en el 56.° simposio anual de la SPWLA, Long Beach, California, del 18 al 22 de julio. SPWLA-2015-EE.
  39. ^ Hunt, I. 2014. Tecnología básica de ICE en África Oriental. Pipeline, noviembre (209): 142–145.
  40. ^ Chemali, R.; Semac, W.; Balliet, R.; y col. (2014). "Desafíos y oportunidades de evaluación de formaciones en aguas profundas". Petrofísica . 55 (2): 124–135.
  41. ^ Jones, C. 2014. Sensores ópticos analizan fluidos in situ. The American Oil and Gas Reporter, septiembre: 117–123.
  42. ^ ab Eriksen, KO (Statoil), Jones, CM, Freese, R. et al. 2013. Pruebas de campo de un nuevo sensor óptico basado en computación integrada. Presentado en la Conferencia y exposición técnica anual de la SPE, Nueva Orleans, Luisiana, del 30 de septiembre al 2 de octubre. SPE-166415-MS.