受美國國防威脅降低局資助，空軍技術學院的研究人員利用機器學習演算法處理鐳射等離子體光譜資料，以測量Ce材料中的Ga含量。

鈽（Pu）是核武器、核電站使用的金屬元素。為確保Pu生產質量，需要監測生產過程中的Ga和其他微量金屬。最新研究表明可以使用鐳射誘導擊穿光譜（LIBS）檢測微量金屬，但是光譜資料處理較難。為此，研究人員利用4種機器學習演算法分析LIBS的鐳射等離子光譜資料，檢測Ce材料中的Ga含量（作為放射性Pu中Ga檢測的替代）。首先將純度99。995%的Ce氧化物與純度99%的Ga氧化物混合，經研磨後用模具壓制成不同百分比濃度Ga的樣品。然後利用LIBS系統測量樣品，獲得9個樣品的360個光譜資料，每個光譜包含60001個特徵波長。經過資料處理後，利用主成分分析法分解資料，構建訓練和測試資料集。對整合迴歸、支援向量機、高斯核迴歸、人工神經網路4種機器學習演算法，使用檢測限和預測均方根誤差指標評估，結果表明，高斯核迴歸效能最好，預測均方根誤差為0。33%，檢測限為0。015%。

這項研究分析了4種機器學習演算法處理LIBS光譜資料的效能，表明可以用機器學習演算法監測Pu生產質量。