テラヘルツ時間領域分光法と深層学習による化学物質と隠された爆発物の検出・イメージング

箱を開けずに隠れた危険を見抜く

封筒や薬瓶の中身が何であるか、粉末が爆発物か無害な薬成分かといったことを、開けたり触れたりせずに判別できると想像してみてください。本研究は、特殊な「不可視の光」と人工知能を組み合わせることで、隠された爆発物の検出や医薬品の品質確認をより安全かつ精密に行えることを示しています。

なぜテラヘルツ光が有力な探知手段なのか

研究者たちはマイクロ波と赤外線の間に位置するスペクトル領域、テラヘルツ領域を使います。テラヘルツ波は紙、衣類、一部のプラスチックなどの日常的な材料を透過できますが、X線のように対象を損傷するほどのエネルギーは持ちません。多くの化学物質はテラヘルツ波を非常に特異的な形で吸収し、スペクトル上の指紋のような特徴を残します。このためテラヘルツ光はセキュリティ検査、医薬品製造、農業、食品安全などで有望です。しかし実際の環境では、形状の不規則さ、厚さの変動、包装の種類の違いなどにより、これらの指紋が歪み、内部の物質を確実に識別するのが難しくなります。

高感度イメージングシステムの構築

この課題に対処するため、チームは極めて短いテラヘルツパルスをサンプルに向けて送り、反射が時間とともにどのように変化するかを計測する高度なテラヘルツ時間領域分光システムを構築しました。光と検出器の相互作用を高めるよう設計されたプラズモニック・ナノアンテナ配列—光と金属の微細構造—を用い、最大4.5テラヘルツの広帯域で高感度にパルスを発生・検出します。試料はモータ駆動のステージ上で点ごとに走査され、小さな領域の各ピクセルについて時間変化するテラヘルツ信号が記録されます。反射測定に基づくこの設計は、物体からある程度距離を取って検査できるため、実用的なセキュリティや検査の場面で重要な利点があります。

生のパルスをAIで化学マップに変換する

研究者たちは時系列全体をスペクトルに変換する代わりに、個々の反射パルス自体に着目しました。テラヘルツパルスが金属支持上の錠剤に当たると、上面からの反射、金属裏打ちからの反射、材料内部での内部反射など、複数のエコーが現れます。各重要なパルスは通過した化学物質に関する情報を含んでいます。チームは各ピクセルからこれらのパルスを自動的に抽出する手法を開発し、それらを二つのニューラルネットワークに投入しました。一つはEdgeNetと呼ばれ、サンプルの境界がどこにあるかを判断します。もう一つのClassNetは各パルスを解析して、それがどの化学物質に対応するか（試料がない場合は背景の金属も含む）を予測します。最後のクリーニング段階では隣接ピクセルの情報を照合するなど単純な空間的ルールを用いて誤りを取り除き、鮮明な化学イメージを作成します。

覆いの下にあっても爆発物を検出する

研究では四種類の一般的な医薬成分と四種類の爆発物（軍用・工業的に知られた化合物を含む）を含む計八物質を試験しました。裸のサンプルに対するブラインドテストでは、ピクセル単位で平均約99パーセントの精度を達成し、錠剤や爆薬ペレットの形状を正確に描出しました。驚くべきことに、不規則で亀裂の入ったサンプルに対しても、ネットワークは訓練に用いた完璧な形状とは異なっていてもうまく機能しました。これは本質的なパルス形状が類似しているためです。本当の試練は、爆発物を不透明な紙の覆いの下に隠すことで行われ、手紙や荷物、袋を模した状況を再現しました。覆いのあるサンプルで再訓練を行わなくても、システムは隠された爆発物を平均約89パーセントの精度で識別し、同じ視野内で異なる爆発物種を区別することに成功しました。

実験室の実証から実世界のツールへ

現在は12×12ミリメートルの領域を走査するのに数分かかりますが、データが収集されればニューラルネットワークは約1秒で完全な化学マップを生成します。機械的走査の代わりに検出器アレイを用いる次世代の装置では、処理速度が飛躍的に向上し、ハードウェアも小型化できる見込みです。本手法は非破壊、非接触で、化学種に高い特異性を持つため、医薬錠剤の検証、偽薬の検出、郵便物や手荷物の隠れた爆発物スクリーニングなどに応用できる可能性があります。簡潔に言えば、高速なテラヘルツパルスと深層学習を組み合わせることで、開けることなく物体内部の詳細で信頼できるマップを不可視の反射から得られることを示した研究です。

引用: Jiang, X., Li, Y., Li, Y. et al. Detection and imaging of chemicals and hidden explosives using terahertz time-domain spectroscopy and deep learning. Light Sci Appl 15, 80 (2026). https://doi.org/10.1038/s41377-026-02190-z

キーワード: テラヘルツイメージング, 爆発物検出, 深層学習, 非侵襲スクリーニング, 化学マッピング