AIRI：使用人工智能预测保留指数及其不确定性
机器学习
2024-01-18 v2 定量方法
摘要
Kovats保留指数(RI)是一种使用气相色谱测量的量，常用于化学结构的鉴定。创建观测RI值的库是一项费力的任务，因此我们探索使用深度神经网络从结构预测标准半极性色谱柱的RI值。该网络生成的预测平均绝对误差为15.1，在误差分布尾部的量化中，95%分位数绝对误差为46.5。由于人工智能保留指数(AIRI)网络的准确性，它被用于预测NIST EI-MS谱库的RI值。这些RI值用于改进化学鉴定方法和库的质量。在使用预测模型时，估计不确定性是一个重要的实际需求。为了量化网络对每个单独预测的不确定性，我们使用8个网络集成体的输出来计算每个RI值预测的预测标准差。对该预测标准差进行校正，使其遵循观测RI值与预测RI值之间的误差。使用这些预测标准差的Z分数的标准差为1.52，95%分位数绝对Z分数对应的平均RI值为42.6。
引用
@article{arxiv.2401.01506,
title = {AIRI: Predicting Retention Indices and their Uncertainties using Artificial Intelligence},
author = {Lewis Y. Geer and Stephen E. Stein and William Gary Mallard and Douglas J. Slotta},
journal= {arXiv preprint arXiv:2401.01506},
year = {2024}
}