arXiv は 2026 年 6 月 4 日、新規論文「Multi-Scale Feature Attention Network for Polymer Classification using THz Dual-Comb Spectroscopy」（arXiv:2606.06554v1、cs.LG、関連分野 cs.AI）を公開した。著者は Roshni Mahtani 氏ほか計 6 名で、EUSIPCO'26 に採択されている。本研究はリサイクルプラスチックの品質と安全性を担保する上で不可欠なポリマー識別に焦点を当てている。従来の選別手法や分光技術では、頑健な判別が難しいことがしばしば問題となる。これに対し、テラヘルツデュアルコム分光法（THz-DCS）は高速・高分解能・非破壊の測定を可能にする有力な代替手段として注目されている。
研究チームは THz-DCS を用いて 12 種類のポリマーを分類した。対象には純粋なポリマー、多層フィルム、市販のブレンド品、バイオポリマーが含まれ、実際のリサイクル現場を反映した多様な試料構成となっている。こうした試料はスペクトル信号が複雑で、クラス間の差異が微妙であるため、高度な解析手法が求められる。そこで著者らは、THz-DCS データ向けに設計した新しい深層学習アーキテクチャ「Multi-Scale Feature Attention Network（MSFAN）」を提案した。
MSFAN の枠組みは二つの主要な仕組みを統合している。第一に、信号を再校正するための特徴ゲーティングであり、ノイズや冗長な成分を抑制する。第二に、多様な周波数パターンを捉える多尺度並列畳み込みであり、広いスペクトル形状と局所的な詳細の双方を扱えるようにする。さらに抽出された特徴は、クロス特徴アテンションとアテンションプーリングによって精錬され、モデルが最も情報量の多いテラヘルツ領域を自動的に強調できるようになる。これにより、人手による特徴選択のルールに依存せず、判別性能の向上と、分類判断の根拠となるスペクトル領域に関する一定の解釈性が両立される。
実験の結果、MSFAN は既存の最先端モデルを一貫して上回り、分類精度 85.2% を達成した。論文は、THz-DCS と深層学習を組み合わせることで、実効性・拡張性・解釈性を備えたポリマー分類が可能になる可能性を示している。なお、投稿日時は 2026 年 6 月 4 日 09:42:23 UTC、全文サイズは約 599 KB で、arXiv から PDF、実験用 HTML 版、TeX ソースを取得できる。DOI は 10.48550/arXiv.2606.06554 である。