Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
データ駆動型定量嗅覚センサ~複雑なニオイから狙った情報を高い精度で得るには~
柴 弘太
物質・材料研究機構 機能性材料研究拠点
センサ・アクチュエータ研究開発センター 嗅覚センサグループ主任研究員
2018/06/26
© 2018 NIMS
ニオイと嗅覚
ニオイ定量化のためのデータ駆動型アプローチ
嗅覚センサの開発
本日の内容
1
© 2018 NIMS
ニオイと嗅覚
ニオイ定量化のためのデータ駆動型アプローチ
嗅覚センサの開発
本日の内容
2
© 2018 NIMS
視覚
聴覚
触覚
味覚
嗅覚
目
耳
皮膚
舌
鼻
光
振動
力
カメラ
マイク
圧力センサ
物理パラメーター
化学物質
化学物質
化学的相互作用
(味覚センサ)
???
農林水産業食品
環境
安全
新文化ヘルスケア フレグランス
医療
五感とセンサ
3
© 2018 NIMS
・ニオイ成分分子種:400,000種類以上
・ひとつのニオイに含まれる分子種:1個~数千個
要素臭 混合比(w/w) 特徴
要素臭1trans-s-hexenyl
acetate13.11 グリーンノートの匂い
要素臭2 trans-2-hexenal 1.64 青臭い匂い
要素臭3 isobutyric acid 9.84 甘酸っぱい匂い
要素臭4 ethyl valerate 8.2 フルーティな果肉感
要素臭5 propionic acid 14.75やや刺激性の腐敗
臭
要素臭6 1-hexanol 14.75 甘い香り
要素臭7 1-butanol 26.23 ワインのような香り
要素臭8 butyl isobutyrate 1.64 果実様香気
要素臭9 butyl propionate 9.84 フルーティな香気
典型的なリンゴ臭のレシピ
出典:東京工業大学 中本研究室
出典:上島珈琲店
約500種
>1000種
「ニオイ」とは?
4
© 2018 NIMS
ピンポイント型 パターン型
原理 特定の成分のみを検知 複数の成分をまとめて測定
測定対象汚染物質・悪臭(単一ガス)
複雑なニオイ(混合ガス)
受容体 1種でもOK 複数必要
応用例・呼び名ガス検知器ガスセンサ
リークチェッカー
ニオイセンサ嗅覚センサ
e-nose
ガスセンサの大別
5
© 2018 NIMS
坂野仁(応用物理2014年1月号)
生体におけるニオイ識別方法
嗅神経からの多数入力を嗅球上にマッピング
【パターン認識】
6
© 2018 NIMS
・環境 → 大気汚染
・安全 → 地雷・爆薬・麻薬・犯罪捜査・生存者捜索・個人認証
・食品 → 品質チェック
・農業 → 野菜や果物の成熟度チェック
・住宅 → 屋内空気汚染(シックハウス症候群)
・医療 → 呼気・尿・血液の非侵襲性診断
食品・農業
NH3 C2H4
環境
NOX CH2O
安全・地雷
C17H21NO4 TNT
医療
C3H6O C2H7N
出典:インターネットより
嗅覚センサの応用可能性
7
© 2018 NIMS
ニオイと嗅覚
ニオイ定量化のためのデータ駆動型アプローチ
嗅覚センサの開発
本日の内容
8
© 2018 NIMS
ニオイ(ガス分子)を人間が認識できる情報に変換する装置
素子?
ガス分子 感応膜 変換器 情報
ニオイ(混合ガス)
ガス分子が吸着
物理化学的変化を電気信号へ変換
log x…
0.17…
𝑛=1
∞
𝛼𝑛sin𝑛𝜋𝑥
𝐿
信号を解析し結果を表示
指針?
材料?
被覆法?
システム?
アルゴリズム?検体? 素子?
嗅覚センサとは?
9
© 2018 NIMS
10
膜型表面応力センサMembrane-type Surface stress Sensor (MSS)
G. Yoshikawa, T. Akiyama, P. Vettiger, H. Rohrer, 特許第5649138号G. Yoshikawa, T. Akiyama, S. Gautsch, P. Vettiger, H. Rohrer, Nano Letters 11, 1044 (2011)
Highlighted in Japan, Canada, and French TV programs, news papers, various media, etc.
MSSの特徴:
- 超高感度 (従来型センサの100倍以上)
- 超小型 (1 cm2 に100個以上集積可能)
- 高い汎用性 (有機・無機・生体等、多様な感応膜を利用可能)
高速応答 / 機械・電気・熱的に安定 / 低コスト(使い捨て可) / 低消費電力 / 簡単操作
構造力学
材料科学
結晶学
電気回路
を統合
© 2018 NIMS
MSSの動作原理
断面図
VV
感応膜
検知部検知部
歪み発生
ガス分子吸着
MSS中央部に塗布された感応膜に、ガス分子が吸着する事によって生じる力で歪みが発生
細くなっている部分に埋め込まれた検知部(力が加わると電気抵抗が変化する)で電気的に検知
11
© 2018 NIMS
呼気に応答するMSSのリアルタイム観測(デジタルホログラフィック顕微鏡(DHM)で撮影)
各種感応膜(ポリマー)を塗布したMSSが
呼気に応答
*垂直方向の微小な動き(数10 nm 程度)を拡大して表示12
© 2018 NIMS
材料?
ニオイ(ガス分子)を人間が認識できる情報に変換する装置
素子?
ガス分子 感応膜 変換器 情報
ニオイ(混合ガス)
ガス分子が吸着
物理化学的変化を電気信号へ変換
log x…
0.17…
𝑛=1
∞
𝛼𝑛sin𝑛𝜋𝑥
𝐿
信号を解析し結果を表示
指針?
材料?
被覆法?
システム?
アルゴリズム?検体? MSS
指針?
被覆法?
嗅覚センサとは?
13
© 2018 NIMS
K. Shiba et al., Chem. Commun., (2009), RSC Adv., (2012), Chem. Lett., (2012)
単分散無機-有機ハイブリッド粒子
14
© 2018 NIMS
0
5
10
15
20
25
30
0.001 0.01 0.1 1
Fre
qu
en
cy /
%
Size / mm
2.6 nm
核形成
成長
0
5
10
15
20
25
30
0.001 0.01 0.1 1Fre
qu
en
cy /
%
Size / mm
1 mm
227 nm
核形成/粒子成長分離型ナノ粒子合成システム
K. Shiba et al., Chem. Commun., (2009) 15
© 2018 NIMS
機能性ナノ粒子を得るための手法へと発展
K. Shiba et al., Chem. Commun., (2015)
多様な機能性ナノ粒子を合成することが可能に
(Forced growth)
16
© 2018 NIMS
様々な表面特性を有するナノ粒子を合成可能
100 nm
100 nm100 nm
100 nm100 nm
100 nm
K. Shiba et al., Chem. Commun., (2015) and Patent Pending
C18H37 O CH2=CH
NH2 C6H5
C18-STNPs
NH2-STNPsSTNPs
Glycidyl-STNPsVinyl-STNPs
Ph-STNPs
17
© 2018 NIMS
C6H5
100 mm
4種の異なるナノ粒子をMSSに被覆
NH2
C18H37C6H5
18
© 2018 NIMS
Ultrapure
water
Formalin
MEK
AcetoneMeOH
EtOH
Acetic acid
DMF
1-PeOH
1-BuOH
IPA
C12
C11
C10
1,2-dichlorobenzene
1,3-dichlorobenzeneC8
C6
Xylene
Benzene
Toluene
C9
C7
Water
Alcohol
Ketone
Aromatic
Alkane
Principal component 1 (49.4 %)
Pri
ncip
al
co
mp
on
en
t 2 (
26.2
%)
23種の化合物を識別/分類可能
19
© 2018 NIMS
4種のナノ粒子で主要な化学構造をカバー可能
Ultra
pure
wate
r
Form
ald
eh
yd
e a
q
Ace
tic a
cid
Ace
ton
e
2-b
uta
none
Me
tha
nol
Eth
an
ol
2-p
rop
ano
l
1-b
uta
nol
1-p
en
tan
ol
He
xa
ne
He
pta
ne
Octa
ne
No
na
ne
De
can
e
Un
de
can
e
Dodecane
Be
nze
ne
To
luen
e
Xyle
ne
1,2
-dic
hlo
rob
enze
ne
N,N
-dim
eth
yl
form
am
ide
1,3
-dic
hlo
rob
enze
ne
Rela
tive s
ign
al in
ten
sit
y (
No
rmali
zed
by t
he larg
est
sig
nal)
アルコール水系 アルカン 芳香族
▼:STNPs
■:NH2-STNPs
▲:Ph-STNPs
●:C18-STNPs
20
© 2018 NIMS
ニオイと嗅覚
ニオイ定量化のためのデータ駆動型アプローチ
嗅覚センサの開発
本日の内容
21
© 2018 NIMS
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
田村亮
ニオイからアルコール濃度を推定
22
© 2018 NIMS
Hsieh et al. 2004
混合臭からの情報抽出
23
© 2018 NIMS
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
ニオイによる酒類のアルコール度数の推定
24
© 2018 NIMS
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
測定した35種のアルコール飲料(溶液)
25
© 2018 NIMS
アルコール度数40%のお酒のシグナル
26
© 2018 NIMS
Parameter 1 : (𝑏 − 𝑎)/(𝑡𝑏 − 𝑡𝑎) (1)
Parameter 2 : (𝑐 − 𝑏)/(𝑡𝑐 − 𝑡𝑏) (2)
Parameter 3 : (𝑑 − 𝑐)/(𝑡𝑑 − 𝑡𝑐) (3)
Parameter 4 : (𝑒 − 𝑎) (4)
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
シグナルのパラメタ化
27
© 2018 NIMS
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
各パラメタとアルコール度数の相関
28
© 2018 NIMS
カーネルリッジ回帰
29
© 2018 NIMS
予測誤差が一番小さくなる組合せを探索する.
クロスバリデーション誤差(予測誤差)
30
© 2018 NIMS
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
赤点はトレーニングに使用していない酒赤ワイン(12%),焼酎(芋)(25%),ウイスキー(40%)
各ナノ粒子を受容体とした予測
31
© 2018 NIMS
Aminopropyl Vinyl C18 Phenyl
Parameter 1 Use Use Use Use
Parameter 2 Use
Parameter 3 Use Use Use Use
Parameter 4 Use Use Use
Prediction error
13.7373 13.2925 5.3103 3.3576
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
各パラメータ使用の有無と予測誤差
32
© 2018 NIMS
予測値
(%)
アルコール度数(%)
28-1=511通りの中から最も良いパラメタの組合せを探索(24-fold CV予測誤差が最小になるものを選ぶ)
.知らないお酒のアルコール度数に対しては精度が低い
赤点はトレーニングに使用していない酒
赤ワイン(12%)焼酎(芋)(25%)ウイスキー(40%)
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
オクタデシル基とフェニル基を用いた予測
33
© 2018 NIMS
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
ポリスルホン(polysulfone)
ポリカプロラクトン(polycaprolactone)
疎水系ポリマー2種を追加
34
© 2018 NIMS
Training data
Test data
ニオイによってアルコール度数を
定量推定!
Actual Alcohol Content (%)
Predicted
Alc
oh
ol C
on
ten
t (%
)
疎水系材料4種を使用した予測結果
35
© 2018 NIMS
Kota Shiba, Ryo Tamura, Gaku Imamura, Genki Yoshikawa
Scientific Reports 7, 3661 (2017)
C18 Phenyl PolysulfonePolycaprola
ctone
Parameter 1 17% 10% 74% 90%
Parameter 2 0% 0% 36% 2%
Parameter 3 58% 52% 63% 47%
Parameter 4 39% 47% 79% 66%
各パラメータはどの程度予測に寄与したのか?
36
© 2018 NIMS
ガス分子 感応膜 変換器 情報
MSS設計指針
材料開発
被覆方法量産化
用途別最適化
ビッグデータ解析
測定システム開発
標準ガス校正 解析モデル
実環境での実証試験
統計的検証
鼻
脳肺
体密接な連携による最先端技術の統合が不可欠
社会に貢献できる嗅覚センサシステムとは?
MSSアライアンスの発足37
© 2018 NIMS
センサチップ
解析モデル
計測システムAI / エッジ / クラウド
標準ガス / 精密測定
チップ / 感応膜 / 塗布
嗅覚センサの標準化に向けた産学官連携による最先端技術の垂直統合
MSSアライアンス
センサ基礎原理
38
© 2018 NIMS
MSS フォーラム2017年11月1日発足
公募によるオープンな実証実験
For details, visit:
http://mss-forum.com
39
© 2018 NIMS
MEMSセンシング&ネットワークシステム展 2018にMSSが出展します!
2018年10月17日(水)-19日(金)幕張メッセhttp://www.mems-sensing-network.com/outline.html
嗅覚センサーに対して、社会的な期待感が最も高い「モバイル機器への嗅覚センサー搭載」や「判別結果による機器の制御・アクチュエーションを実現する嗅覚API」に向けて、MSSアライアンスが開発中の革新的な「嗅覚センシング手法」の技術デモをMSSアライアンスブースにてご紹介いたします。是非お立ち寄りください。
40
© 2018 NIMS
本技術に関する知的財産権
•発明の名称 :試料に対応付けられたパラメータ値を
推定する方法及び装置
•出願番号 :特願2016-230793
•出願人 :国立研究開発法人 物質・材料研究機構
•発明者 :柴弘太, 田村亮, 今村岳, 吉川元起
41
© 2018 NIMS
お問い合わせ先
•物質・材料研究機構 外部連携部門 連携企画室
•TEL 029-859-2600
•FAX 029-859-2500
•e-mail [email protected]
42
© 2018 NIMS
柴弘太今村岳Thien Ngo南皓輔
杉山貴子甲田恵子佐近恵梨亀山由子中久保郁美菊池由美子
…産学官の多くの皆様!
ナノメカニカルセンサグループ
お世話になり本当にありがとうございます
43