聞靜

你有沒有這樣的經歷，把糖當食鹽或者把食鹽當糖，加錯了調料導致食物味道很古怪。同時，還會受媽媽一頓嘲諷。等你反應過來，湊近了去觀察兩種調料，又發(fā)現(xiàn)兩者確實不同，甚至可以看出來，由于一直用一個勺子去取調料，勺子上既粘了糖又粘了鹽。

媽媽也沒有在放調料之前嘗一下，為什么就不會犯這樣的錯？吃了一次虧之后，為什么你就能憑借肉眼區(qū)分這兩種調料了呢？下面我們要講的內容或許可以解答你的這些困惑。

人眼的識別能力

為確定固體混合物的成分，我們可以采用核磁共振、高分辨率的質譜儀和光譜儀等。這些方法可以得到相當準確的定量分析結果。但是，肉眼觀察依舊是化學實驗中的一個重要方法，可以得到初步的評價結果，并且具有快速、無損的優(yōu)點。在歷史上，法國著名的微生物學家、化學家路易斯?巴斯德就是通過對晶體進行仔細的肉眼觀察，分辨出了酒石酸鹽。以這項突破性的發(fā)現(xiàn)為起點，科學家建立并發(fā)展了分子手性的相關理論，現(xiàn)在分子手性已經廣泛應用于藥物開發(fā)領域。

對于固體混合物來說，肉眼觀察主要是根據其顏色、質地、粒度、透明度來判斷其含有哪些成分，以及各成分所占的大致比例。但是，受經驗和直覺的影響，不同的研究人員可能會得出不同的結果，這就讓肉眼觀察的結果包含了相當大的不確定性。

人工智能的圖像識別功能便是模仿人類的肉眼觀察能力。因此，科學家想到利用機器學習技術，讓模型學會人類用肉眼分析固體混合物成分的方法，并獲得超越經驗最豐富的化學家的準確率。

超越人眼的識別能力

近日，發(fā)表于學術期刊《工業(yè)與工程化學研究》的一篇文章顯示，研究人員成功開發(fā)了一種機器學習模型，該模型可以僅僅通過照片就知道固體混合物的組成比例。

在一開始，研究人員利用糖和食鹽混合物的照片來訓練機器學習模型。雖然原始照片只有 300 張，但研究人員利用隨機裁剪、翻轉、旋轉等手段對原始照片進行處理，以創(chuàng)建更多的子圖像用于訓練和測試。測試的結果顯示，機器學習模型識別這些照片的準確度是研究團隊中肉眼觀察準確率最高的人的兩倍。

研究人員還將該模型應用于不同固體混合物的評估，特別是該模型還成功地區(qū)分了不同的多晶型和對映異構體。同一種物質以兩種或兩種以上晶體結構的形式存在，它們彼此之間就叫做多晶型；而互為對映異構體的物質雖然具有相同的分子量、原子組成，但原子的排列具有細微差異，其實是兩種物質。這兩種差異在制藥行業(yè)很重要，區(qū)分這些差異通常需要耗費大量的時間和精力。

另外，研究人員還利用該模型分析了更復雜的情況 —— 具有 4 種組分的混合物。

實時分析動態(tài)過程

機器學習模型可以快速識別混合物組分，因此，相對于傳統(tǒng)的分析方法，它更適合用于實時分析一些動態(tài)過程。利用這種模型，我們可以及時發(fā)現(xiàn)問題，并在隱患醞釀出事故之前，盡早地介入生產或實驗的過程，減少損失。

研究人員還對模型進行了補充訓練，讓其可以分析清晰度一般的照片，這樣我們可以很方便地利用手機進行分析。

研究人員表示，該模型未來可以用于持續(xù)快速評估，例如，監(jiān)測化工廠和實驗室的各種化學反應。此外，該模型還可以幫助視力受損者觀察外界情況。

參考文獻:

• Machine Learning-Based Analysis of Molar and Enantiomeric Ratios and Reaction Yields Using Images of Solid Mixtures

廣告聲明:文內含有的對外跳轉鏈接，用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。

鄭重聲明：此文內容為本網站轉載企業(yè)宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。