テラヘルツデュアルコム分光法を用いたポリマー分類のためのマルチスケール特徴注意ネットワーク
新たな研究で提案されたMSFAN深層学習アーキテクチャは、テラヘルツデュアルコム分光法と組み合わせて12種類のポリマーを85.2%の精度で分類し、プラスチックリサイクルの選別効率向上に貢献する可能性を示す。
信頼性の高いポリマー識別は、リサイクルプラスチックの品質と安全性を確保する上で不可欠ですが、従来の選別技術や分光技術では堅牢な識別が難しい場合がよくあります。テラヘルツデュアルコム分光法（THz-DCS）は、高速、高分解能、非破壊測定を提供する有望な代替手段です。
EUSIPCO'26に採択された研究では、研究者らはTHz-DCSを利用して、純粋ポリマー、多層フィルム、商業ブレンド、生体ポリマーを含む12種類のポリマーを分類しました。これらのスペクトル信号の複雑さに対処するため、彼らはTHz-DCSデータに特化した新しい深層学習アーキテクチャであるマルチスケール特徴注意ネットワーク（MSFAN）を提案しました。このフレームワークは、信号再調整のための特徴ゲーティングと、多様な周波数パターンを捉えるためのマルチスケール並列畳み込みを統合しています。これらの特徴は、クロス特徴注意と注意プーリングによってさらに洗練され、モデルが最も情報量の多いテラヘルツ領域を強調できるようになります。
実験結果によると、MSFANは既存の最先端モデルを一貫して上回り、分類精度は85.2%に達しました。この研究は、THz-DCSと深層学習技術を組み合わせることで、効果的でスケーラブルかつ解釈可能なポリマー分類が可能であることを実証し、プラスチックリサイクル業界に新たな技術的道筋を提供します。
論文はRoshni Mahtaniらによって執筆され、2026年6月4日にarXivで公開され、EUSIPCO'26に採択されました。この研究は、テラヘルツ分光法の産業選別への実用的応用価値を強調しており、将来的にはより広範なポリマータイプやリアルタイム展開の可能性が模索されるでしょう。