Intelligent Chemical Purification Technique Based on Machine Learning

我们提出了一种创新的人工智能与柱层析相结合的方法，旨在解决化学分离和纯化领域中的低效和数据收集标准化问题。通过开发精确数据采集的自动化平台并采用先进的机器学习算法，我们构建了预测模型来预测关键分离参数，从而增强了层析过程的效率和质量。应用迁移学习使模型能够适应不同的柱规格，扩展了其实用性。一种新颖的度量指标，分离概率（$S_p$），通过实验验证，量化了有效化合物分离的可能性。这项研究标志着在化学研究中应用人工智能迈出了重要的一步，为传统柱层析挑战提供了可扩展的解决方案，并为化学分析和纯化领域的未来技术发展奠定了基础。

本论文旨在通过开发自动化平台和应用先进的机器学习算法，解决化学分离和纯化领域中存在的低效率和数据收集标准化的问题。

通过建立预测模型来预测关键分离参数，提高色谱过程的效率和质量。使用迁移学习使模型能够适应各种柱规格，扩大其实用性。引入了新的指标，分离概率（Sp），通过实验验证其准确性。

本研究在化学研究中应用人工智能迈出了重要一步，提供了传统色谱技术挑战的可扩展解决方案，并为化学分析和纯化领域的未来技术进步奠定了基础。

近年来，越来越多的研究者开始将人工智能应用于化学领域，例如“使用深度学习预测分子性质”（DeepChem）、“化学反应预测的神经网络模型”（ChemNet）等。