基于芯片的光子溫度計的早期原型。傳感器內(nèi)置于芯片中，光線通過光纖進(jìn)出傳感器。學(xué)分：詹妮弗勞倫李/NIST

使用光測量溫度的光子溫度計已經(jīng)以光纖形式出現(xiàn)了幾十年。這些設(shè)備稱為光纖布拉格光柵，嵌入比人類頭發(fā)還細(xì)的商用光纖中，類似于網(wǎng)絡(luò)通信中無處不在的光纖。

這些傳感器價格低廉，并且能夠嵌入到原本難以接近的結(jié)構(gòu)中，因此通常用于民用基礎(chǔ)設(shè)施（包括橋梁和隧道）以及石油和天然氣行業(yè)。但它們對于一些其他可能會使用它們的應(yīng)用來說不夠準(zhǔn)確，包括監(jiān)控冷凍機(jī)、烤箱、醫(yī)療級冰箱和某些工業(yè)過程。

對傳感器精度的一個重大影響來自長期漂移。當(dāng)隨著時間的推移，相同的溫度導(dǎo)致不同的讀數(shù)時，就會發(fā)生這種情況。每隔幾個月重新校準(zhǔn)傳感器可以解決問題，但這可能既昂貴又耗時，尤其是當(dāng)傳感器埋在混凝土中或以其他方式嵌入結(jié)構(gòu)中時。

在本周發(fā)表于Sensors and Actuators A: Physical的一篇新論文中，美國國家標(biāo)準(zhǔn)與技術(shù)研究院 (NIST) 的一位科學(xué)家描述了他如何使用機(jī)器學(xué)習(xí)技術(shù)來預(yù)測現(xiàn)有光纖布拉格光柵傳感器的長期漂移技術(shù)。概念驗證工作展示了一種稱為機(jī)器學(xué)習(xí)的人工智能如何允許研究人員使用現(xiàn)有技術(shù)制造自校準(zhǔn)或自校正傳感器。

研究作者 Zeeshan 表示，它還為科學(xué)家們提供了另一種選擇，否則他們可能不得不花費(fèi)時間為他們的應(yīng)用開發(fā)一種全新的技術(shù)，但如果更便宜的現(xiàn)成傳感器可以完成這項工作，他們就不必這樣做艾哈邁德。

“這是一種替代方法，你可以吃蛋糕（保留現(xiàn)有技術(shù)）并吃掉它（減少長期漂移的貢獻(xiàn)），”艾哈邁德說�！肮饫w布拉格光柵傳感器很便宜。與其花五年時間開發(fā)更好的材料，為什么不直接使用這種算法，或者這個算法家族中的類似算法呢？”

Ahmed 的模型能夠?qū)⑵�移�?dǎo)致的測量不確定性降低約 70%，這可能足以研究一些依賴溫度控制的過程，例如工業(yè)發(fā)酵（使用微生物制造化學(xué)品和藥物）。

光纖布拉格光柵并不是唯一的光子傳感器。包括 Ahmed 在內(nèi)的 NIST 研究人員一直在開發(fā)基于芯片的光子溫度計，與傳統(tǒng)的溫度測量技術(shù)相比，這種溫度計有望更小、更耐用、抗電磁干擾，并且可能具有自校準(zhǔn)功能。

但那些基于芯片的傳感器仍處于測試階段。作為這項工作的主題的基于光纖的溫度計是一項較舊的技術(shù)。這些布拉格傳感器通過操縱光與蝕刻在光纖電纜中的結(jié)構(gòu)的相互作用來工作。光柵作為一種光過濾器，只允許某些波長通過電纜。允許通過哪些波長取決于溫度和壓力，以及光柵中蝕刻之間的間距。

但是隨著時間的推移，隨著布拉格傳感器暴露在高溫下，設(shè)備的化學(xué)成分會發(fā)生變化，從而永久性地改變光纖材料的折射率，這是衡量光在介質(zhì)中傳播速度的指標(biāo)。折射率的永久變化被認(rèn)為是造成漂移誤差的原因。

這些傳感器的長期漂移會導(dǎo)致 200 到 300 毫開爾文的溫度不確定性，相當(dāng)于華氏三分之一到半華氏度 (°F)。

艾哈邁德說：“要與現(xiàn)有技術(shù)競爭，你希望將其降低到該值的一半左右，如果可能的話，降低到幾十毫開爾文，”相當(dāng)于不到華氏十分之一度。

算法大戰(zhàn)：一種新模式

盡管他的工作產(chǎn)生了一個以概念驗證方式實(shí)用的模型，但艾哈邁德的初衷是幫助科學(xué)家更好地理解漂移問題。

“我想，'如果我能理解直接過程并在數(shù)學(xué)上對其進(jìn)行補(bǔ)償，那么我可以將這些不確定性降低到可接受的水平，'”艾哈邁德說。

Ahmed 知道在機(jī)器學(xué)習(xí)問題中需要大量數(shù)據(jù)，因此他用將近兩打傳感器進(jìn)行了實(shí)驗。他收集了多種數(shù)據(jù)：通過管道傳輸?shù)焦饫w中的激光波長波段；該激光的功率；使用的光纜類型；由單獨(dú)的高度可靠的溫度計測量的光纖暴露的溫度；離開光柵的光的光譜特征，具有不同波長的輸出強(qiáng)度等特征。他還收集了一些環(huán)境信息，例如，這個溫度計測量某個溫度的時間，之前的溫度是多少，溫度變化的速度有多快。

然后他開始探索連接——機(jī)器學(xué)習(xí)的標(biāo)準(zhǔn)實(shí)踐，你可以用不同的方式繪制數(shù)據(jù)并測試你的假設(shè)。

“這是一個迭代過程，”艾哈邁德說�！拔艺�在指導(dǎo)它，并利用我的物理知識來建立模型。

他對數(shù)據(jù)的探索表明，光柵反射的總光量以及每個波長的光強(qiáng)度有助于預(yù)測未來的漂移。傳感器的過去歷史（即，在發(fā)生變化之前的幾個小時內(nèi)，它被加熱或冷卻的速度，或者溫度有多高）也有影響。

他發(fā)現(xiàn)有效的是自回歸積分移動平均線 (ARIMA)，這是 1970 年代創(chuàng)建的一類數(shù)學(xué)模型。ARIMA 模型適用于預(yù)測問題，例如確定未來的食品需求或哪些庫存將飆升。

“我沒有使用先進(jìn)的技術(shù)，”艾哈邁德說�！斑@實(shí)際上是論文的重點(diǎn)之一：即使是較舊的方法也可以為您提供大量信息�！�

缺點(diǎn)是這個模型只在短期內(nèi)有效——漂移發(fā)生在幾周而不是幾個月或幾年。

艾哈邁德說，另一篇仍在審查中的算法論文詳細(xì)介紹了他嘗試建立一個基于物理的模型，該模型闡明了基于光纖和芯片的光子溫度計中波長和溫度之間的基本關(guān)系。

“那會更好，”艾哈邁德說�！叭绻�我們有一個基于物理的模型，那么我們可以描述物理如何隨時間變化，這會導(dǎo)致這些設(shè)備的校準(zhǔn)發(fā)生變化。然后我們就可以理解和量化你的傳感器發(fā)生的事情�！�