从液相红外光谱中自动识别分子混合物中的化合物

解释光谱数据是自动化化学研究与工业表征中的关键瓶颈。尤其在红外 (IR) 光谱中，识别复杂液相化学混合物中的化合物主要依赖专家知识，因为峰位偏移、展宽与位移会阻碍数据驱动方法。本研究表明，一种算法方法可在液相 IR 数据中实现高精度的成分识别，尽管该数据存在非线性。该方法以超过 44,000 个模拟液相 IR 光谱构建的基准测试数据集进行测试，实现了在由二元与三元液体混合物组成的数据集中达到最高 90% 的成分识别准确率。该策略对光谱扰动具有鲁棒性，其准确率上限受限于相似的液相 IR 光谱难以分辨化学成分的因素，这施加了在结构识别中实现完美准确率的理论限制。最后，我们将该方法应用于实验环境中自动解释 IR 光谱，成功在盲测中识别了 nearly all samples 的组成。本工作提供了工具与数据，以推动通过算法解释液相 IR 混合物光谱的自动化化学实验室发展。