Primena multivarijantne analize i samo-organizujućih mapa za analizu podatka dobijenih na osnovu opto-magnetnih spektara vode

Abstract

Kako bi se došlo do novih saznanja u vezi strukture vode u tečnom stanju, kao i interakcija između rastvorenih materija i molekula vode korišćena je nova metoda bazirana na upotrebi opto-magnetne imidžing spektroskopije (OMIS). U pitanju je metoda bazirana na interakciji vidljive svetlosti i materije, koja omogućava detekciju odnosa električnih i magnetnih sila hemijskih veza, te daje podatke kako o klasičnim tako i kvantnim dejstvima između molekula vode i drugih materija u njoj rastvorenih. U ovom radu su za ekstrakciju i analizu podataka, dobijenih upotrebom OMIS, korišćene multivarijantna analiza i neuronske mreže. Ovim pristupom smo pokušali da izvršimo karakterizaciju i diskriminaciju različitih voda sa posebnim interesovanjem za njihove para- i dija- magnetne osobine koje ukazuju na samoorganizaciju (klasterizaciju) molekula vode. Pokazano je da upotreba OMIS paralelno sa tehnikama multivarijantne analize i neuronskih mreža može uspešno biti upotrebljena za karakterizaciju voda sa aspekta njihove strukturalne organizacije.

To obtain new knowledge about structure of liquid water and interaction between constituents in water and water molecules a new approach has been attempted using Opto-magnetic imaging spectroscopy (OMIS), a method based on a light-matter interaction. Opto-magnetic imaging spectroscopy is a novel method which takes into account a ratio of electrical and magnetic forces of chemical bonds, and therefore collects data of both classical and quantum actions of water molecules and other constituents. Here, we used OMIS combined with techniques of multivariate analysis and neural networks to extract data from spectra of different waters. We have investigated this method for characterization and discrimination of different waters with special interest in para- diamagnetic properties which can give clues about organization of water molecules. It is shown that the use of OMIS together with multivariate techniques and neural networks approach can be proved as a valuable asset in characterizing water from the aspect of its structural organization.