El Laboratorio Nacional de Brookhaven (BNL) encabeza el desarrollo de un sistema basado en el uso de rayos X para acelerar el análisis y la detección de partículas contaminantes presentes en la atmósfera. «X-AutoMap» es el nombre de la herramienta que promete ahorrar horas de tratamiento de la información a los científicos del sector.
¿En qué consiste X-AutoMap?
Frente a la aparición de fenómenos meteorológicos extremos y el deterioro de los ecosistemas, que se ven afectados por los drásticos cambios de temperatura, el agravamiento del cambio climático y la contaminación atmosférica volvieron a quedar en el centro de las discusiones científicas orientadas a trazar estrategias para frenar el daño ambiental.
En esta línea, el Laboratorio Nacional de Brookhaven apuesta por la aplicación de tecnología de avanzada para el diseño de un recurso que permita reconocer con mayor facilidad el material contaminante disperso en el aire, que amenaza el equilibrio ambiental y la salud humana.
Conocer la composición actual de la atmósfera y estudiar los componentes más peligrosos es una tarea esencial de cara a pensar medidas concretas que ayuden a prevenir el deterioro de la calidad del aire y regulen actividades industriales con implicaciones en el problema. Sin embargo, hasta la actualidad, el análisis de las muestras químicas es un trabajo manual, a cargo de investigadores que evalúan el material bajo su propio criterio.
Como es de esperarse, el procedimiento tradicional puede extenderse por amplios períodos, lo que se traduce en significativos costos operativos y de tiempo. Para resolver este dilema, un equipo conformado por especialistas del BNL, el Departamento de Energía, la Universidad de California en Merced y la National Synchrotron Light Source II desarrolló el software X-AutoMap, que permite automatizar las tareas de análisis.
«Pensamos que sería mucho más eficiente si pudiéramos determinar composiciones químicas detalladas sin necesidad de que un ser humano dirigiera el experimento», explicó Ajith Pattammattel, uno de los colaboradores del proyecto.
Desde Brookhaven destacaron que «comprender estas partículas a nanoescala es esencial para conocer mejor el papel que desempeñan en la salud», considerando que «se ha relacionado el material particulado fino presente en la contaminación atmosférica con 7 millones de muertes prematuras anuales en el mundo».
El sistema optimiza tiempo de trabajo
El sistema combina un microscopio de rayos X, que analiza las partículas de interés, con un asistente inteligente. El software dirige el trabajo, que inicia con un escaneo rápido de la muestra y procede con el estudio en tiempo real de las señales de fluorescencia de rayos X para identificar los patrones de elementos químicos que interesan a los investigadores y ordenar al microscopio un examen detenido de esas partículas.
Las pruebas con el sistema demostraron que es capaz de monitorear de forma automática hasta 500 partículas, un tamaño de muestra que normalmente requeriría unas 44 h de recopilación manual de datos en HXN. «El escaneo se completó en unas 10 h, lo que aumentó la productividad algo más de cuatro veces», puntualizaron.
«La arquitectura modular de X-AutoMap permite, además, sustituir su actual método de detección basado en reglas establecidas por el investigador por modelos más sofisticados, sin necesidad de rediseñar todo el sistema», explicaron, además de adelantar que «las futuras versiones podrían incorporar modelos de IA».
Desafíos por delante
Los investigadores señalaron que se trata de una tecnología en desarrollo, y que todavía presenta aspectos a mejorar. En primer lugar, dejaron en claro que, por ahora, el sistema solo reconoce las partículas que se le indicó buscar previamente, pasando por alto compuestos nuevos.
Asimismo, existe margen de error en la detección de partículas muy pequeñas o señales químicas breves. Finalmente, la plataforma no está lista para diferenciar reducciones en la contaminación del aire o cambios importantes en su composición. «El equipo está trabajando para corregir esos puntos ciegos y ampliar las capacidades de X-AutoMap para la investigación a gran escala», concluyeron.
¿Te ha servido este artículo?
Recibe cada semana lo que de verdad importa
Análisis de energía, clima y naturaleza en tu correo. Gratis y sin spam.
