본 연구는 고속·고감도 다중 가스 검출을 위한 병렬 헤테로다인 광유도 열탄성 분광법(PH-LITES) 센서를 최초로 제안한다. 협업 신호 증폭 아키텍처(CSEA)를 통해 물리 계층에서 높은 민감도와 빠른 검출 속도를 달성했다.
이를 위해 자체 설계된 원통형 다중 통과 셀(MPC)은 높은 광 경로 길이 대 부피 비율(OPL/V = 37.4 cm⁻²)을 가지며, 낮은 공진 주파수(f₀ = ~7.9 kHz)의 쿼츠 튜닝 포크(QTF)와 시너지를 이루어 검출 응답성을 크게 향상시켰다. 병렬 헤테로다인 변조는 단일 QTF로 복합 과도 응답 신호를 생성하여 여러 가스의 스펙트럼 정보를 동시에 신속하게 얻을 수 있게 한다.
정보 계층에서는 CNN, 하이브리드 어텐션 메커니즘(HAM), BiLSTM을 통합한 협업 지능형 처리 아키텍처(CIPA)를 구현했다. 이 CNN-HAM-BiLSTM 구조는 특징 추출, 어텐션 기반 강화, 시간 모델링을 수행하여 단일 QTF 출력에서 얻은 병렬 스펙트럼으로부터 정확한 농도를 도출한다.
메탄(CH₄)과 아세틸렌(C₂H₂)을 이용한 실험 검증 결과, 4초 스캔 시간 내에 각각 378 ppb 및 285 ppb의 최소 검출 한계(MDL)를 달성했다. 제안된 시스템은 신속하고 민감한 다중 가스 검출이 필요한 응용 분야에 효율적인 해결책을 제공한다.
광음향 분광법(PAS), 석영 강화 광음향 분광법(QEPAS), 광유도 열탄성 분광법(LITES)은 미량 가스 감지를 위한 간접 흡수 분광 기술로, 그동안 하드웨어 중심의 성능 향상에 주력해왔습니다. 그러나 하드웨어 기술 발전의 한계에 부딪히면서, 약한 응답 신호, 복잡한 교차 간섭, 다중 물리 매개변수 결합 등의 문제로 기존 방식은 병목 현상을 겪고 있습니다.
이러한 한계를 극복하기 위해, 본 연구는 전통 알고리즘, 머신러닝, 딥러닝, 지능형 최적화 등 다양한 알고리즘 기반 방법론을 분광 시스템에 체계적으로 통합하는 접근 방식을 제시합니다. 특히, 세 가지 상호 연결된 차원에서 지능형 간접 흡수 분광법의 최근 발전을 검토합니다.
첫째, 약한 신호 복구 및 배경 노이즈 억제를 위한 고급 신호 처리 및 스펙트럼 재구성 전략을 다룹니다. 둘째, 데이터 기반 매개변수 역전을 통해 다차원 인공지능 모델이 농도 추출, 환경 보정, 다성분 인식, 스펙트럼 중첩 분리, 그리고 전후단 협업 파형 코딩 및 역다중화에 어떻게 기여하는지 보여줍니다. 셋째, 대체 모델링, 군집 지능 탐색, 물리 기반 위상 최적화 및 다목적 알고리즘을 활용하여 광음향 공진기 및 다중 통과 셀(MPC)과 같은 핵심 요소의 설계 효율성을 향상시키는 지능형 시스템 최적화를 탐구합니다.
이러한 알고리즘 기반 접근 방식은 미량 가스 감지 기술의 성능을 획기적으로 개선하며, 미래 기술 개발의 새로운 방향을 제시합니다. 이는 복잡한 환경에서 정밀한 가스 분석을 가능하게 하여 환경 모니터링, 산업 공정 제어 등 다양한 응용 분야에 기여할 것입니다.
