Articulo de referencia

computación óptica multivariada

La computación óptica multivariante , también conocida como computación de factores moleculares, es un enfoque para el desarrollo de instrumentos espectroscópicos de detección c...

La computación óptica multivariante , también conocida como computación de factores moleculares, es un enfoque para el desarrollo de instrumentos espectroscópicos de detección comprimida , particularmente para aplicaciones industriales como el soporte analítico de procesos . Los métodos espectroscópicos "convencionales" suelen emplear métodos multivariantes y quimiométricos , como la calibración multivariante , el reconocimiento de patrones y la clasificación , para extraer información analítica (incluida la concentración) de datos recopilados en diferentes longitudes de onda. La computación óptica multivariante utiliza un ordenador óptico para analizar los datos a medida que se recopilan. El objetivo de este enfoque es producir instrumentos sencillos y robustos que, a la vez, conserven las ventajas de las técnicas multivariantes para la exactitud y precisión 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 (MOE) basado en filtro de interferencia , una rejilla holográfica , un filtro sintonizable de cristal líquido , un modulador espacial de luz (SLM) o un dispositivo de micromirror digital (DMD), y es específico para la aplicación particular. El patrón óptico para el motor de cálculo espectral está diseñado con 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 multivariante permite diseñar instrumentos con las matemáticas del reconocimiento de patrones integradas directamente en un ordenador óptico, que extrae información de la luz sin registrar un espectro. Esto posibilita alcanzar la velocidad, la fiabilidad y la 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 dicha muestra, independientemente de si se detecta o no su espectro. A medida que la luz atraviesa la muestra a través del elemento, la intensidad normalizada, detectada por un detector de banda ancha, es proporcional al producto escalar del vector de regresión con dicho espectro; es decir, es proporcional a la concentración del analito para el que se diseñó el vector de regresión. La calidad del análisis es, por lo tanto, igual a la calidad del vector de regresión codificado. Si la resolución del vector de regresión se codifica con la resolución del instrumento de laboratorio a partir del cual se diseñó dicho vector, y la resolución del detector es equivalente, entonces la medición realizada mediante computación óptica multivariante será equivalente a la realizada con ese instrumento de laboratorio por medios convencionales. Esta técnica está ganando terreno en un nicho de mercado para la detección en entornos hostiles. En concreto, 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 oleoductos. En tales situaciones, las mediciones de calidad de laboratorio son necesarias, pero en entornos hostiles. [ 4 ]

Historia

Aunque el concepto de utilizar un único elemento óptico para la regresión y detección de analitos se sugirió en 1986, [ 5 ] el primer dispositivo con concepto MOC completo fue publicado en 1997 por el grupo Myrick en la Universidad de Carolina del Sur , [ 6 ] con una demostración posterior en 2001. [ 7 ] La técnica ha recibido un gran reconocimiento en la industria óptica como un nuevo método para realizar análisis ópticos con ventajas para la detección en 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 el 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 la defensa, [ 30 ] la ciencia forense, [ 31 ] el monitoreo de reacciones químicas, [ 6 ] [ 32 ] el monitoreo ambiental , [ 8 ] [ 33 ] [ 34 ] el 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 150 °F a 350 °F y presiones de 3000 psi a 20 000 psi, [ 10 ] seguido en 2013 con ensayos de campo en pozos petroleros. [ 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. 1 2 Nelson, MP; Aust, JF; Dobrowolski, JA; Verly, PG; Myrick, Michael L. (1998), "Cálculo óptico 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 multivariada de salida múltiple para el reconocimiento de espectro" . Optics Express . 22 (21): 25005– 14. Bibcode : 2014OExpr..2225005V . doi : 10.1364/OE.22.025005 . PMID 25401534. S2CID 28584987 .   
  4. 1 2 3 Jones, Christopher M.; et al. (30 de agosto de 2014), "La computación óptica multivariante permite la 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 mediante procesamiento de señales ópticas lineales incoherentes de señales de emisión". Analytical Chemistry . 58 (12): 2561– 2563. doi : 10.1021/ac00125a043 .
  6. 1 2 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 ópticas delgadas V: Nuevos desarrollos . Vol. 3133. pág. 38. doi : 10.1117/12.290200 . S2CID 135787454 .   
  7. 1 2 3 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". Analytical Chemistry . 73 (6): 1069– 1079. doi : 10.1021/ac0012896 . 
  8. 1 2 Eastwood, Delyle; Soyemi, Olusola O.; Karunamuni, Jeevanandra; Zhang, Lixia; Li, Hongli; Myrick, Michael L. (2001). "Aplicaciones de campo de detección remota mediante computación óptica multivariada 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. p. 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. 1 2 3 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 de Petróleo SPE Kuwait,
  11. 1 2 Davis, BM; Hemphill, AJ; Maltaş, DC; et al. (2011). "Imágenes Raman hiperespectrales multivariadas mediante detección compresiva". Analytical Chemistry . 83 (13): 5086– 5092. doi : 10.1021/ac103259v . PMID 21604741 .  
  12. 1 2 Smith, ZJ; Strombom, S.; Wachsmann-Hogiu, S. (2011). "Computación óptica multivariante mediante un dispositivo de micromirror digital para espectroscopia de fluorescencia y 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 la discriminación de fluorocromos". En Coté, Gerard L (ed.). Diagnóstico y detección óptica XV: Hacia el diagnóstico en el punto de atención . Vol. 9332. p. 933212. doi : 10.1117/12.2080996 . S2CID 120527052 .   
  14. 1 2 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.). Tecnologías espectroscópicas de próxima generación VII . Vol. 9101. pp. 91010E. doi : 10.1117/12.2053570 . S2CID 120097929 .   
  15. 1 2 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. 1 2 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. 1 2 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. 1 2 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. 1 2 Qu, JY; Chang, H.; Xiong, S. (2002). "Imágenes espectrales de fluorescencia para la caracterización de tejidos basadas 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. 1 2 Priore, RJ, Greer, AE, Haibach, FG et al. 2003. Sistemas de imágenes novedosos: 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. 1 2 Pruett, Eric (2015). "Los últimos avances en espectrómetros de infrarrojo cercano DLP de Texas Instruments permiten la próxima generación de sistemas compactos y portátiles integrados". En Druy, Mark A; Crocombe, Richard A; Bannon, David P (eds.). Tecnologías espectroscópicas de próxima generación VIII . Vol. 9482. pp. 94820C. doi : 10.1117/12.2177430 . S2CID 114904996 .   
  22. ^ 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. 1 2 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. pp. 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 fotométrica infrarroja codificada tiene la capacidad de satisfacer las demandas de las aplicaciones de procesos modernos, incluidas las de la iniciativa PAT". Spectroscopy . 20 (1): 32– 35.
  25. 1 2 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 en el fondo del pozo. Presentado en el 54.º Simposio Anual de Registro de la SPWLA, Nueva Orleans, Luisiana, 22-26 de junio. SPWLA-2013-YY.
  26. Nelson, Matthew P.; Aust, Jeffrey F.; Dobrowolski, Jerzy A.; Verly, Pierre G.; Myrick, Michael L. (1998). "Cálculo óptico multivariado 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. pp. 232–243 . doi : 10.1117/12.310558 . S2CID 108965881 .   
  27. 1 2 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. 1 2 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. pp. 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 multivariado de elementos ópticos". Fresenius' Journal of Analytical Chemistry . 369 ( 3– 4): 351– 355. doi : 10.1007/s002160000642 . PMID 11293715 . S2CID 19109 .   
  32. 1 2 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. p. 288. doi : 10.1117/12.417462 . S2CID 110391915 .   
  34. Myrick, Michael L. (1999). "Nuevos enfoques para la implementación de la espectroscopia predictiva". En Siddiqui, Khalid J; Eastwood, Delyle (eds.). Reconocimiento de patrones, quimiometría e imágenes para el monitoreo ambiental óptico . Vol. 3854. pp. 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). "Cálculo de factores moleculares para espectroscopia predictiva". Pharmaceutical Research . 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.º Simposio Anual de la SPWLA, Reikiavik, Islandia, 25-29 de junio. SPWLA-2016-JJJ.
  38. Jones, CM, He, T., Dai, B. et al. 2015. Medición y uso del contenido de fluidos de formación, saturados y aromáticos con probadores de formación de cable. Presentado en el 56.º Simposio Anual de la SPWLA, Long Beach, California, 18-22 de julio. SPWLA-2015-EE.
  39. Hunt, I. 2014. Tecnología ICE Core en África Oriental. Pipeline Noviembre (209): 142–145.
  40. Chemali, R.; Semac, W.; Balliet, R.; et al. (2014). "Desafíos y oportunidades de la evaluación de formaciones en aguas profundas". Petrophysics . 55 (2): 124– 135. 
  41. Jones, C. 2014. Sensores ópticos analizan fluidos in situ. The American Oil and Gas Reporter, septiembre: 117–123.
  42. 1 2 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, 30 de septiembre-2 de octubre. SPE-166415-MS.