1753465255
2025-07-25 17:14:00
Ключевые моменты
- Документальные данные могут иметь жизненно важное значение для судебных исследований, хотя методы подделки делают правильную аутентификацию сложным процессом.
- В новом исследовании газовая хроматографическая спектрометрия подвижности (GC -IMS) была объединена с алгоритмами машинного обучения для исследования временной эволюции пятен чернил.
- Модель регрессии дерева решений продемонстрировала высокую точность временного прогнозирования (тест R² = 0,954) посредством интерпретируемой инженерии признаков. Была предложена поэтапная стратегия, объединяющая классификационные и регрессионные модели, позволяющая одновременной характеристики чернил и оценки возраста.
Исследователи из Китая, возглавляемая Университетом Шандунского университета Венхуи, разработали новый подход к изучению временной эволюции во время анализа чернил, сочетая газовую хроматографическую спектрометрию подвижности (GC -IMS) с алгоритмами машинного обучения (ML). Их выводы были опубликованы в Журнал хроматографии а (1).
Спектрометрия подвижности ионов (IMS) представляет собой аналитический метод, который характеризует летучие органические соединения (ЛОС) посредством дифференциального времени дрейфа газофазных ионов в приложенном электрическом поле. По сравнению с газовой хроматографией (GC) IMS предлагает такие преимущества, как температура окружающей среды, возможности работы давления и значительно сокращенное время анализа. Когда GC объединяется с IMS, ученые считают, что GC-IMS может быть решением для анализа криминалистических данных с эффективной способностью разделения GC и преимуществом быстрого обнаружения трассировки IMS. Образцы комплекса-матрицы могут быть первоначально разделены с помощью GC, а затем введены в трубки ионо-мобильности для вторичного разделения и обнаружения. Этот метод может пропустить образец предварительной обработки во время анализа, который обеспечивает неразрушающее тестирование, и это обеспечивает более эффективный качественный анализ для определения характерных маркеров в написании чернил.
В этом исследовании ученые надеялись решить три критические проблемы: (i) установление протокола на основе GC-IMS для декодирования механизмов старения гель-пенных чернил посредством летучих органических составов, (ii) интегрируя нетронутые и контролируемые обучение для классификации временных эволюционных стадий и предсказывают временные временные временные временные значения и (III), значащие по маркетизации, и (III).
Модель регрессии дерева решений продемонстрировала высокую точность временного прогнозирования (тест R² = 0,954) посредством интерпретируемой инженерии признаков. Была предложена поэтапная стратегия, объединяющая классификационные и регрессионные модели, позволяющая одновременной характеристики чернил и оценки возраста.
Это исследование предоставляет новый подход для оценки временных моделей в гелевых чернилах с использованием интерпретируемых моделей GC-IMS, создавающих теоретические основы для аутентификации спорных документов в судебных приложениях. Ученые надеются, что эта методология сможет обеспечить проверенный подход к классификации этапов временной эволюции и прогнозирования времени старения, значительно повысив эффективность судебного анализа в судебных исследованиях.
Ссылка
(1) Lu, W.; Чен, Дж.; Zhang, L.; NIE, Z. Стадии временной эволюции и прогнозирование времени старения гель-пенных чернил с использованием GC-IMS в сочетании с машинным обучением для применений в криминалистике. J. Chromatogr. А 2025, 1755, 466063. DOI: 10.1016/j.chroma.2025.466063
#Исследователи #исследуют #газовую #хроматографию #чтобы #улучшить #анализ #судебно #медицинских #чернил
Ещё по этой теме
