Publication

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。