Detectie en beeldvorming van chemicaliën en verborgen explosieven met terahertz-tijddomeinspectroscopie en deep learning

Verborgen gevaren zien zonder de doos te openen

Stel je voor dat je kunt vaststellen welk chemisch middel zich in een verzegelde envelop of pillenfles bevindt—tot op het punt of een poeder een explosief is of een onschuldig geneesmiddelingrediënt—zonder het te openen of aan te raken. Deze studie laat zien hoe een speciaal soort "onzichtbaar licht" in combinatie met kunstmatige intelligentie precies dat kan doen, en zo een veiligere en nauwkeurigere manier biedt om verborgen explosieven op te sporen en de kwaliteit van medicijnen te controleren.

Waarom terahertzlicht een krachtige speurder is

De onderzoekers werken in het terahertzgebied van het spectrum, dat ligt tussen microgolven en infraroodlicht. Terahertzgolven kunnen door alledaagse materialen zoals papier, kleding en sommige kunststoffen heen dringen, en dragen daarbij niet genoeg energie om de getroffene te beschadigen, in tegenstelling tot röntgenstraling. Veel chemicaliën absorberen terahertzgolven op zeer specifieke manieren, waardoor ze een soort spectraal vingerafdruk achterlaten. Dat maakt terahertzlicht aantrekkelijk voor veiligheidscontroles, geneesmiddelenproductie, landbouw en voedselveiligheid. Maar in realistische omstandigheden—met onregelmatige vormen, variërende diktes en verschillende soorten verpakking—kunnen deze vingerafdrukken vervormd raken, waardoor het moeilijk wordt betrouwbaar te identificeren wat er binnenin verborgen zit.

Het bouwen van een hogergevoelig beeldvormingssysteem

Om dit aan te pakken bouwde het team een geavanceerd terahertz-tijddomeinspectroscopiesysteem dat extreem korte terahertzpulsen naar een monster stuurt en meet hoe ze in de tijd terugkaatsen. Ze gebruiken speciaal ontworpen plasmonische nanoantenne-arrays—kleine metalen structuren die de interactie tussen licht en detector versterken—om deze pulsen met hoge gevoeligheid en een breed bandbreedte tot 4,5 terahertz te genereren en detecteren. Het monster staat op een gemotoriseerd podium dat punt voor punt scant, zodat het systeem voor elke pixel over een klein gebied een volledig tijdsvariërend terahertzsignaal registreert. Dit reflectiegebaseerde ontwerp betekent dat het op afstand van een object kan worden gebruikt, een belangrijke eigenschap voor praktische veiligheids- en inspectietaken.

Ruwe pulsen omzetten in chemische kaarten met AI

In plaats van de volledige tijdtrace naar een spectrum om te zetten, richten de onderzoekers zich op de afzonderlijke gereflecteerde pulsen zelf. Wanneer een terahertzpuls een tablet op een metalen houder raakt, verschijnen meerdere echo's: één van het bovenvlak, één van de metalen achterlaag en andere van interne reflecties binnen het materiaal. Elke belangrijke puls draagt informatie over de chemische stof waar hij doorheen is gegaan. Het team ontwikkelde een automatische methode om deze pulsen uit elke pixel te extraheren en voerde ze vervolgens in twee neurale netwerken. Het ene netwerk, EdgeNet genoemd, bepaalt waar de randen van het monster liggen. Het andere, ClassNet, bekijkt elke puls en voorspelt bij welke chemische stof deze hoort, inclusief de achtergrondmetaal als er geen monster aanwezig is. Een laatste opschoningsstap gebruikt eenvoudige ruimtelijke regels—controleren wat aangrenzende pixels zeggen—om verspreide fouten glad te strijken en scherpe chemische beelden te creëren.

Explosieven detecteren, zelfs onder een deklaag

De onderzoekers testten acht verschillende stoffen: vier veelvoorkomende farmaceutische ingrediënten en vier explosieven, waaronder bekende militaire en industriële verbindingen. In blinde tests op niet-afgedekte monsters bereikte hun systeem een gemiddelde nauwkeurigheid van ongeveer 99 procent op pixelniveau, waarbij het correct de vormen van de tabletten en explosiefkorrels omlijnde. Opmerkelijk genoeg werkte het ook goed bij gebarsten en onregelmatige monsters, hoewel de netwerken alleen op perfect gevormde exemplaren waren getraind, omdat de essentiële pulsvormen grotendeels gelijk bleven. De echte stresstest was toen de explosieven verborgen waren onder ondoorzichtig papier, ter imitatie van brieven, pakketten of zakken. Zonder opnieuw te trainen op afgedekte monsters identificeerde het systeem de verborgen explosieven nog steeds met een gemiddelde nauwkeurigheid dicht bij 89 procent, en wist het succesvol verschillende explosieve soorten binnen hetzelfde gezichtsveld te onderscheiden.

Van labdemonstratie naar gereedschap voor de praktijk

Het scannen van een gebied van 12 bij 12 millimeter duurt momenteel enkele minuten, maar zodra de gegevens zijn verzameld, genereren de neurale netwerken een volledige chemische kaart in ongeveer één seconde. Toekomstige versies die detectorkarakterarrays gebruiken in plaats van mechanische scanning zouden het proces drastisch kunnen versnellen en de hardware kunnen verkleinen. Omdat de methode niet-destructief, contactloos en zeer specifiek voor chemische typen is, zou het kunnen worden gebruikt om medicijntabletten te verifiëren, namaakmiddelen te detecteren en post of bagage te screenen op verborgen explosieven. Simpel gezegd toont dit werk aan dat het combineren van snelle terahertzpulsen met deep learning onzichtbare reflecties kan omzetten in gedetailleerde, betrouwbare kaarten van wat er in een object zit—zonder het ooit te hoeven openen.

Bronvermelding: 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

Trefwoorden: terahertzbeeldvorming, explosieven detectie, deep learning, niet-invasieve screening, chemische kaartvorming