Spectral-Correlation and Random Matrix Theory- Analysis of Raman Spectra for Detection of Milk Adulterants
यह अध्ययन प्रदर्शित करता है कि स्पेक्ट्रल-कोरिलेशन डायग्नोस्टिक्स को रैंडम मैट्रिक्स थ्योरी, विशेष रूप से ब्रोडी पैरामीटर के माध्यम से, रमन स्पेक्ट्रा में स्पेक्ट्रल रैंडमाइजेशन की डिग्री को मात्रात्मक रूप से निर्धारित करके दूध के मिलावटी पदार्थों (हाइड्रोजन पेरोक्साइड, यूरिया और फॉर्मेलिन) का पता लगाने और उन्हें अलग करने के लिए एक मजबूत, सांख्यिकीय रूप से पुख्ता ढांचा प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
खाद्य सुरक्षा काफी हद तक इस बात पर निर्भर करती है कि प्राकृतिक उत्पाद के साथ छेड़छाड़ होने का पता लगाने की क्षमता कितनी है, और दूध ऐसी धोखाधड़ी के लिए एक बार-बार निशाना बनाया जाने वाला उत्पाद है। बेईमान विक्रेता कभी-कभी दूध को गाढ़ा दिखाने, उसे लंबे समय तक सुरक्षित रखने या बुनियादी गुणवत्ता परीक्षणों में पास होने के लिए उसमें रसायन मिला देते हैं, भले ही ये मिलावट मानव स्वास्थ्य के लिए हानिकारक हो सकती है। इन चालों को पकड़ने के लिए, वैज्ञानिक अक्सर रमन स्पेक्ट्रोस्कोपी (Raman spectroscopy) नामक तकनीक का उपयोग करते हैं, जो एक नमूने पर लेजर चमकाकर और प्रतिक्रिया के रूप में अणुओं के कंपन करने के अनूठे तरीके को सुनकर काम करती है। प्रत्येक पदार्थ का एक विशिष्ट कंपन हस्ताक्षर होता है, जो एक फिंगरप्रिंट की तरह होता है, जिससे शोधकर्ता पहचान सकते हैं कि दूध के एक गिलास में क्या मौजूद है। हालांकि, दूध प्रोटीन, वसा और शर्करा का एक जटिल मिश्रण है, और इसका प्राकृतिक स्पेक्ट्रम ओवरलैपिंग संकेतों से भरा होता है। जब इसमें मिलावट की जाती है, तो वे केवल इस स्पेक्ट्रम में एक नई रेखा नहीं जोड़ते; वे सभी मौजूदा संकेतों के बीच के संबंधों को सूक्ष्म रूप से अस्त-व्यस्त कर सकते हैं, जिससे बदलाव का एक ऐसा पैटर्न बनता है जिसे मानक कंप्यूटर प्रोग्रामों के लिए पहचानना कठिन होता है, विशेष रूप से यदि मिलाए गए रसायन की मात्रा कम हो या डेटा में शोर (noise) अधिक हो।
हैदराबाद विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस समस्या को देखने का एक नया तरीका विकसित किया है, जिसमें पूरे स्पेक्ट्रम को केवल चोटियों (peaks) की एक सूची के रूप में नहीं, बल्कि कनेक्शन के एक जाल के रूप में माना गया है। यह पूछने के बजाय कि "इस विशिष्ट चोटी की ऊंचाई क्या है?", उन्होंने पूछा कि "स्पेक्ट्रम के विभिन्न हिस्से एक साथ कैसे चलते हैं?" उन्होंने शुद्ध दूध और हाइड्रोजन पेरोक्साइड, यूरिया और फॉर्मेलिन के तीन सामान्य मिलावटों वाले दूध के मिश्रण से लेजर रीडिंग एकत्र की। प्रत्येक समूह के लिए, उन्होंने एक विशाल मानचित्र बनाया जो दिखा रहा था कि स्पेक्ट्रम का प्रत्येक बिंदु दूसरे बिंदु के साथ कैसे सह-संबंधित (correlate) है। इसके बाद उन्होंने रैंडम मैट्रिक्स थ्योरी (Random Matrix Theory) नामक गणित की एक शाखा को लागू किया, जिसका उपयोग आमतौर पर परमाणु नाभिक या वित्तीय बाजारों जैसे जटिल प्रणालियों का अध्ययन करने के लिए किया जाता है, ताकि यह देखा जा सके कि इन मानचित्रों में पैटर्न व्यवस्थित थे या अराजक। इस दृष्टिकोण ने उन्हें प्रत्येक मिलावट द्वारा उत्पन्न "अव्यवस्था" (disorder) को उच्च सटीकता के साथ मापने की अनुमति दी, जिससे यह पता चला कि विभिन्न रसायन दूध की प्राकृतिक संरचना को मौलिक रूप से अलग-अलग तरीकों से बाधित करते हैं।
अध्ययन की शुरुआत 124 लेजर रीडिंग के संग्रह के साथ हुई। इकतीस रीडिंग शुद्ध दूध की थीं, जबकि शेष नमूने वे थे जहाँ शोधकर्ताओं ने सावधानीपूर्वक हाइड्रोजन पेरोक्साइड, यूरिया या फॉर्मेलिन की विभिन्न मात्रा मिलाई थी। टीम ने प्रत्येक नमूने से कंपन संकेतों को कैप्चर करने के लिए एक शक्तिशाली लेजर का उपयोग किया, जिससे आणविक गतिविधि की एक विस्तृत तस्वीर बनी। फिर उन्होंने बैकग्राउंड शोर को हटाने के लिए इस डेटा को प्रोसेस किया और प्रत्येक समूह के लिए एक सहसंबंध मैट्रिक्स (correlation matrix) बनाया। सरल शब्दों में, यह मैट्रिक्स एक विशाल ग्रिड है जो रिकॉर्ड करता है कि सभी नमूनों में स्पेक्ट्रम के एक भाग का व्यवहार दूसरे भाग के व्यवहार से कितनी निकटता से मेल खाता है। शुद्ध दूध में, यह ग्रिड जुड़ाव के मजबूत, संगठित ब्लॉकों को दर्शाता है, जो इस तथ्य को दर्शाता है कि दूध में मौजूद प्रोटीन, वसा और शर्करा स्वाभाविक रूप से तालमेल में चलते हैं। जब शोधकर्ताओं ने मिलावट की, तो ये संगठित ब्लॉक बदलना शुरू हो गए, लेकिन प्रत्येक रसायन ने इसे एक अद्वितीय तरीके से किया।
हाइड्रोजन पेरोक्साइड ने एक बहुत ही विशिष्ट, स्थानीय व्यवधान पैदा किया। शोधकर्ताओं ने पाया कि इसने उस आवृत्ति के आसपास संबंधों में एक तीखा ब्रेक पैदा किया जहाँ पेरोक्साइड के अणु कंपन करते हैं, लेकिन दूध का बाकी स्पेक्ट्रम काफी हद तक बरकरार और व्यवस्थित रहा। यह ऐसा था जैसे बुने हुए कपड़े के एक धागे को काट दिया गया हो, जिससे आस-पास की बुनाई अप्रभावित रही। दूसरी ओर, यूरिया ने बहुत अधिक मजबूत और संरचित व्यवधान उत्पन्न किया। इसने अपने स्वयं के कंपन हस्ताक्षर के पास कनेक्शनों में एक स्पष्ट बदलाव पैदा किया, और इस प्रभाव ने पड़ोसी स्पेक्ट्रम के हिस्सों को प्रभावित करने के लिए बाहर की ओर लहरें बनाईं। इससे पता चला कि यूरिया केवल दूध में बैठा नहीं था, बल्कि वह आसपास के अणुओं के साथ सक्रिय रूप से अंतःक्रिया कर रहा था, जिससे एक नया, कठोर व्यवहार का पैटर्न बन रहा था जो शुद्ध दूध के प्राकृतिक प्रवाह से अलग था।
फॉर्मेलिन ने सबसे नाटकीय परिवर्तन प्रस्तुत किया। अन्य दो रसायनों के विपरीत, जिन्होंने विशिष्ट, स्थानीय परिवर्तन किए, फॉर्मेलिन ने पूरे स्पेक्ट्रम में व्यापक रूप से कनेक्शनों को कमजोर कर दिया। शुद्ध दूध में देखे गए संगठित ब्लॉक एक अधिक बिखरे हुए, यादृच्छिक पैटर्न में बदल गए। यह परिणाम फॉर्मेलिन के ज्ञात रसायन विज्ञान के अनुरूप था, जो एक क्रॉस-लिंकिंग एजेंट है जो कई अलग-अलग स्थानों पर प्रोटीन से बंध जाता है, जिससे किसी एक स्थान को लक्षित करने के बजाय पूरी आणविक संरचना को सूक्ष्म रूप से अस्त-व्यस्त कर देता है। इन अवलोकनों को मापने के लिए, शोधकर्ताओं ने ब्रोडी पैरामीटर (Brody parameter) नामक एक सांख्यिकीय माप का उपयोग किया, जो एक प्रणाली के कितना यादृच्छिक (random) होने का वर्णन करने के लिए एक एकल संख्या के रूप में कार्य करता है। शुद्ध दूध का स्कोर इस पैमाने पर कम रहा, जो इसकी अत्यधिक व्यवस्थित प्रकृति की पुष्टि करता है। जैसे-जैसे शोधकर्ताओं ने मिलावट की, स्कोर ऊपर की ओर बढ़ा, जो बढ़ती अव्यवस्था को दर्शाता है। फॉर्मेलिन ने स्कोर को अधिकतम संभव यादृच्छिकता के सबसे करीब पहुँचा दिया, जबकि यूरिया और हाइड्रोजन पेरोक्साइड इनके बीच में रहे, जिससे प्रत्येक रसायन द्वारा दूध की प्राकृतिक अवस्था को बाधित करने के स्तर का एक स्पष्ट, संख्यात्मक रैंकिंग तैयार हुआ।
इस कार्य का महत्व डेटा की संरचना को देखकर मिलावट का पता लगाने की क्षमता में निहित है, न कि केवल विशिष्ट संकेतों की तीव्रता को देखकर। पारंपरिक तरीके अक्सर तब संघर्ष करते हैं जब मिलाए गए रसायन की मात्रा बहुत कम होती है या जब बैकग्राउंड शोर अधिक होता है, क्योंकि वे एक विशिष्ट चोटी को खोजने पर निर्भर होते हैं जो अलग दिखाई दे। हालाँकि, यह नया दृष्टिकोण उन सूक्ष्म तरीकों का पता लगाता है जिनसे एक मिलावट नमूने के सभी अणुओं के बीच के संबंधों को बदल देती है। स्पेक्ट्रम को एक जटिल प्रणाली मानकर और इसकी सांख्यिकीय यादृच्छिकता को मापकर, शोधकर्ताओं ने प्रदर्शित किया कि वे शुद्ध दूध और हानिकारक मिलावटों वाले दूध के बीच उच्च संवेदनशीलता के साथ अंतर कर सकते हैं। अध्ययन सुझाव देता है कि इस पद्धति का उपयोग अंततः खाद्य सुरक्षा के लिए तेज़, अधिक विश्वसनीय स्क्रीनिंग टूल बनाने के लिए किया जा सकता है, जो कम स्तर की संदूषण को भी पकड़ने में सक्षम हो सकता है जो अन्यथा अनदेखा रह सकता है। जबकि शोधकर्ता नोट करते हैं कि यह स्थापित करने के लिए कि कितने कम मिलावट का पता लगाया जा सकता है, आगे के परीक्षण की आवश्यकता है, परिणाम खाद्य गुणवत्ता की छिपी हुई जटिलता को समझने के लिए एक शक्तिशाली गणितीय लेंस प्रदान करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।