Naukowcy zaprezentowali Multi-Scale Feature Attention Network (MSFAN) — nową architekturę sieci neuronowej specjalnie opracowaną do klasyfikacji polimerów na podstawie danych ze spektroskopii Terahertzowej. Sieć osiąga imponującą dokładność 85,2% i radzi sobie lepiej niż istniejące modele AI w rozróżnianiu 12 różnych typów polimerów, od czystych materiałów po wielowarstwowe folie i biopolimery.
Klucz do sukcesu MSFAN leży w kombinacji kilku zaawansowanych technik. Sieć wykorzystuje tzw. feature gating do ponownej kalibracji sygnałów spektralnych oraz równoległa konwolucję w wielu skalach, aby wychwycić różnorodne wzorce częstotliwościowe. Mechanizm cross-feature attention pozwala modelowi automatycznie skupiać się na najważniejszych regionach widma THz, co czyni system bardziej interpretowalne.
Znaczenie tego odkrycia wykracza poza czystą naukę — stanowi potencjały przełom dla przemysłu recyklingu. Szybka i nieinwazyjna identyfikacja polimerów mogłaby znacznie usprawnić sortowanie odpadów plastikowych, poprawiając jakość recyklingowanego materiału i bezpieczeństwo procesu. Połączenie spektroskopii THz z głębokim uczeniem otwiera drogę do skalowalnych, praktycznych systemów kontroli materiałów w przemyśle.