基于机器学习的智能化学纯化技术

我们提出了一种人工智能与柱层析的创新结合，旨在解决化学分离纯化领域的低效率和标准化数据收集问题。通过开发用于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，从而提高了色谱过程的效率和质量。迁移学习的应用使模型能够适应不同的柱规格，拓宽了其效用。一个新颖的度量——分离概率（S_p），量化了有效化合物分离的可能性，并通过实验验证得到了证实。这项研究标志着人工智能在化学研究中的应用迈出了重要一步，为传统色谱挑战提供了可扩展的解决方案，并为未来化学分析和纯化的技术进步奠定了基础。