UABDivulga - Barcelona recerca i innovació

Aquest treball està emmarcat en la recerca que es realitza als laboratoris del Grup de Sensors i Biosensors de la Universitat Autònoma de Barcelona, concretament a la línia d’investigació en llengües electròniques. La idea de les llengües electròniques sorgeix al intentar reproduir la manera de treballar dels sentits humans, el gust quan es tasta un líquid, a similitud també de l’olfacte en anàlisi de gasos.

Per aconseguir un sistema anàleg a la combinació llengua - cervell, que dona lloc al sentit del gust, es combina una matriu de sensors químics (llengua) amb eines informàtiques d’alta complexitat (cervell). Aquest sistema permet el processament de la informació provinent dels sensors químics i la posterior extracció de la informació rellevant.

El treball comentat desenvolupa una llengua electrònica voltamperomètrica per a la identificació de diferents compostos explosius i/o quantificar la seva presència. Els explosius habitualment més emprats, ja sigui en barreges comercials o en explosius improvisats (IEDs), son compostos amb grups nitro o peroxo. La matriu multielèctrode emprada esta formada per elèctrodes de grafit, or i platí, que exhibeixen una marcada resposta creuada enfront als compostos examinats; aquests van ser la 1,3,5-trinitroperhidro-1,3,5-triazina (RDX), l’octahidro-1,3,5,7-tetranitro-1,3,5,7-tetrazocina (HMX), el tetranitrat de pentaeritritol (PETN ), el 2,4,6-trinitrotoluè (TNT), la N-metil-N,2,4,6-tetranitroanilina (Tetril) i el triperòxid de triacetona (TATP).

La identificació s’aconsegueix per mitjà de l'anàlisi de components principals, que permet la visualització de patrons en la informació analitzada, i xarxes neuronals artificials, per a la identificació concreta del tipus de compost explosiu. El model resultant de la combinació d’aquests tractaments es capaç de classificar les mostres emprades amb un 100% d’encert.

La quantificació de mescles ternàries de TNT, TATP i Tetril (a un nivell de traça) s’assoleix mitjançant un model numèric basat en xarxes neuronals artificials. La llengua electrònica desenvolupada va quantificar la concentració de cada compost amb un error total del 10,8% per a un conjunt independent de mostres i una correlació millor de 0.929 (concentracions esperades vs. concentracions predites).