研究業績

研究業績
Image-based molecular classification in dual-comb spectroscopy using a convolutional neural network

Japanese Journal of Applied Physics 65, 052004 (2026)

Image-based molecular classification in dual-comb spectroscopy using a convolutional neural network

著者

Naoki Takeshi, Ryusei Uchiyama, Takumi Takahoshi and Yoshiaki Nakajima

カテゴリ

査読付き論文

Abstract

本論文は、デュアルコム分光（DCS）で取得した透過スペクトルを画像として変換し、畳み込みニューラルネットワーク（CNN）によって分子種を識別する新しい手法を提案・実証したものです。従来の分光解析で一般的なスペクトルフィッティングや分光パラメータに関する事前知識を用いず、取得したスペクトルを直接分類に利用できる点が特徴です。本研究では、単一吸収線に基づく分類器と広帯域スペクトルに基づく分類器の2種類を構築し、HITRANデータベースから生成した参照スペクトルで事前学習を行ったうえで、実際のデュアルコム分光スペクトルに適用しています。その結果、単一吸収線ベースの分類は吸収線形状の変動に影響を受けやすい一方、広帯域スペクトルベースの分類は、相対強度分布、線間隔、分子帯構造といったスペクトル全体の特徴を学習できるため、より高い頑健性を示すことが明らかになりました。また、スペクトルを画像化することで、高密度にサンプリングされたデータの実効次元を下げ、安定した特徴抽出にもつながることが示されています。この手法は、デュアルコム分光や広帯域分光計測における自動分子識別のための汎用的な枠組みとして期待され、今後の自動分析や高度なガスセンシングへの展開が見込まれます。なお、論文タイトルは Image-Based Molecular Classification in Dual-Comb Spectroscopy Using a Convolutional Neural Network で、2026年2月に Japanese Journal of Applied Physics に掲載されています。

URL

DOI: 10.35848/1347-4065/ae49cb

本論文では、デュアルコム分光（dual-comb spectroscopy, DCS）で取得した透過スペクトルを画像として扱い、畳み込みニューラルネットワーク（CNN）を用いて分子種を識別する手法が提案されています。従来の分光解析では、吸収線のフィッティングや分光パラメータに関する事前知識が必要になることが多い一方、本研究では、スペクトルを画像化してそのまま分類器に入力することで、そうした前処理やモデル依存の解析を介さずに分子識別を行うという新しいアプローチを示しています。

研究では、単一の吸収線に注目する分類法と、広帯域スペクトル全体を用いる分類法の2種類のCNN分類器が検討されています。また、学習にはHITRANデータベースをもとに生成した参照スペクトルが用いられ、事前学習したCNNを実測のデュアルコム分光スペクトルへ適用しています。

その結果、単一吸収線ベースの方法は吸収線形状の変動に影響を受けやすい一方で、広帯域スペクトルベースの方法は、相対強度分布、線間隔、分子帯構造といったスペクトル全体の特徴を学習できるため、より高い頑健性を示すことが明らかになりました。つまり、個々の吸収線だけに依存するのではなく、分子ごとの“スペクトル全体のらしさ”をCNNが捉えることで、より安定した識別が可能になることを示しています。

さらに本研究では、高密度にサンプリングされたスペクトルを画像へ変換することによって、実効的な次元を下げながら特徴抽出を安定化できる点も重要な利点として示されています。この考え方は、単なる分子識別にとどまらず、将来的にはデュアルコム分光や広帯域分光計測における自動解析・自動判別の基盤技術につながる可能性があります。環境ガス計測、化学分析、リアルタイムセンシングなどへの展開も期待される内容です。