환경 중 미세플라스틱(MPs)에 대한 우려가 점차 고조되면서 최근 다양한 매트릭스 전반에 걸친 포괄적 분석의 필요성이 더욱 강조되고 있다. 푸리에 변환 적외선(FT‐IR) 현미경은 미세플라스틱 동정에 널리 사용되는 방법이지만, 실제 시료에는 2차 물질이 존재하는 경우가 많아 분광 매칭의 부정확성이 발생하는 문제점이 있다. 이러한 문제를 해결하기 위해 1차원(1D) 합성곱 신경망(1D‐CNN) 기반 기계학습 모델을 제안하며, FT‐IR 스펙트럼을 16종의 폴리머 종으로 분류한다. 5413개의 스펙트럼 데이터셋을 사용하여 80%(4330)를 학습에, 20%(1083)를 외부 검증에 활용하였고, 교차 검증에서 98.59%의 정확도, 외부 검증에서 92.34%의 정확도를 달성하였다. 본 연구는 2차 물질로 오염된 실제 시료에서도 미세플라스틱(MPs) 내 폴리머 유형을 구별하는 데 기계학습이 효과적임을 보여준다. 본 연구에서 구현한 1D‐CNN 모델의 적용은 기존 방법의 한계를 극복하는 데 있어 중요한 도약을 의미하며, 환경 매트릭스에서 미세플라스틱의 복잡성을 정확히 규명하기 위한 견고한 도구를 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.