聞靜

你有沒有這樣的經(jīng)歷，把糖當(dāng)食鹽或者把食鹽當(dāng)糖，加錯(cuò)了調(diào)料導(dǎo)致食物味道很古怪。同時(shí)，還會(huì)受媽媽一頓嘲諷。等你反應(yīng)過來，湊近了去觀察兩種調(diào)料，又發(fā)現(xiàn)兩者確實(shí)不同，甚至可以看出來，由于一直用一個(gè)勺子去取調(diào)料，勺子上既粘了糖又粘了鹽。

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

人眼的識(shí)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(zhì)譜儀和光譜儀等。這些方法可以得到相當(dāng)準(zhǔn)確的定量分析結(jié)果。但是，肉眼觀察依舊是化學(xué)實(shí)驗(yàn)中的一個(gè)重要方法，可以得到初步的評(píng)價(jià)結(jié)果，并且具有快速、無損的優(yōu)點(diǎn)。在歷史上，法國(guó)著名的微生物學(xué)家、化學(xué)家路易斯?巴斯德就是通過對(duì)晶體進(jìn)行仔細(xì)的肉眼觀察，分辨出了酒石酸鹽。以這項(xiàng)突破性的發(fā)現(xiàn)為起點(diǎn)，科學(xué)家建立并發(fā)展了分子手性的相關(guān)理論，現(xiàn)在分子手性已經(jīng)廣泛應(yīng)用于藥物開發(fā)領(lǐng)域。

對(duì)于固體混合物來說，肉眼觀察主要是根據(jù)其顏色、質(zhì)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(jīng)驗(yàn)和直覺的影響，不同的研究人員可能會(huì)得出不同的結(jié)果，這就讓肉眼觀察的結(jié)果包含了相當(dāng)大的不確定性。

人工智能的圖像識(shí)別功能便是模仿人類的肉眼觀察能力。因此，科學(xué)家想到利用機(jī)器學(xué)習(xí)技術(shù)，讓模型學(xué)會(huì)人類用肉眼分析固體混合物成分的方法，并獲得超越經(jīng)驗(yàn)最豐富的化學(xué)家的準(zhǔn)確率。

超越人眼的識(shí)別能力

近日，發(fā)表于學(xué)術(shù)期刊《工業(yè)與工程化學(xué)研究》的一篇文章顯示，研究人員成功開發(fā)了一種機(jī)器學(xué)習(xí)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(xùn)練機(jī)器學(xué)習(xí)模型。雖然原始照片只有 300 張，但研究人員利用隨機(jī)裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)等手段對(duì)原始照片進(jìn)行處理，以創(chuàng)建更多的子圖像用于訓(xùn)練和測(cè)試。測(cè)試的結(jié)果顯示，機(jī)器學(xué)習(xí)模型識(shí)別這些照片的準(zhǔn)確度是研究團(tuán)隊(duì)中肉眼觀察準(zhǔn)確率最高的人的兩倍。

研究人員還將該模型應(yīng)用于不同固體混合物的評(píng)估，特別是該模型還成功地區(qū)分了不同的多晶型和對(duì)映異構(gòu)體。同一種物質(zhì)以兩種或兩種以上晶體結(jié)構(gòu)的形式存在，它們彼此之間就叫做多晶型；而互為對(duì)映異構(gòu)體的物質(zhì)雖然具有相同的分子量、原子組成，但原子的排列具有細(xì)微差異，其實(shí)是兩種物質(zhì)。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(fèi)大量的時(shí)間和精力。

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

實(shí)時(shí)分析動(dòng)態(tài)過程

機(jī)器學(xué)習(xí)模型可以快速識(shí)別混合物組分，因此，相對(duì)于傳統(tǒng)的分析方法，它更適合用于實(shí)時(shí)分析一些動(dòng)態(tài)過程。利用這種模型，我們可以及時(shí)發(fā)現(xiàn)問題，并在隱患醞釀出事故之前，盡早地介入生產(chǎn)或?qū)嶒?yàn)的過程，減少損失。

研究人員還對(duì)模型進(jìn)行了補(bǔ)充訓(xùn)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(jī)進(jìn)行分析。

研究人員表示，該模型未來可以用于持續(xù)快速評(píng)估，例如，監(jiān)測(cè)化工廠和實(shí)驗(yàn)室的各種化學(xué)反應(yīng)。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(xiàn):

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

廣告聲明:文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接，用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)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(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，目的在于傳播更多信息，與本站立場(chǎng)無關(guān)。僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。