本研究は機械学習技術と方形波パルス振動伏安法（SWASV）を組み合わせ、Cd²⁺、Pb²⁺、Cu²⁺、Hg²⁺の4種類の重金属イオンの同時検出能力を向上させることを目的としている。従来の電気化学的方法は、重金属イオン検出において一定濃度範囲内で線形応答領域を探索することに依存しており、多イオン環境下ではSWASV曲線に干渉が生じやすく、精度が低下する。本研究では裸のグラファイトカーボン電極を用いて異なる濃度の金属イオン溶液に対して繰り返しSWASV検出を実施し、検出データの電流値、ピーク電位、ピーク面積などの重要パラメータを特徴抽出した。さらに極端勾配ブースティング（XGBoost）とランダムフォレスト（RF）を組み合わせて濃度予測モデルを構築し、サポートベクターマシン（SVM）を用いて分類予測を行った。分類アルゴリズムではSVRが最良の効果を示し（4種イオンのROC曲線下面積はすべて0.95以上）、RFモデルと比較してXGBoost濃度予測モデルの予測値と実測値の適合度（R二乗）が0.95以上であった。SWASVと機械学習を組み合わせることで、複雑なイオン混合系において高精度なイオン検出を実現し、検出結果の信頼性を効果的に向上させた。本研究成果は、多重重金属イオンの環境モニタリングおよび汚染制御に革新的な解決策を提供し、電気化学分析分野における機械学習の応用可能性を示している。

電気化学; 重金属イオン; 機械学習; 干渉分析