机器学习图像分析快速确定化学混合物成分

机器学习模型提供了仅使用样品照片即可确定固体化学混合物成分的快速方法。

您是否曾经因在厨房中添加盐而不是糖而意外地破坏了食谱?由于它们的外观相似，很容易犯错误。同样，化学实验室也使用肉眼检查来提供快速、初步的反应评估;然而，就像在厨房里一样，人眼也有其局限性并且可能不可靠。

为了解决这个问题，由 Yasuhide Inokuma 教授领导的北海道大学化学反应设计与发现研究所 (WPI-ICReDD) 的研究人员开发了一种机器学习模型，可以仅使用化合物的照片来区分化合物固体混合物的组成比。样品。

该模型是使用糖和盐的混合物作为测试用例来设计和开发的。该团队对原始照片进行了随机裁剪、翻转和旋转的组合，以创建大量子图像用于训练和测试。这使得模型能够仅使用 300 张原始图像进行训练。即使是团队中最专业的成员，经过训练的模型的准确度也大约是肉眼的两倍。

“我认为，通过机器学习，我们能够重现甚至超过经验丰富的化学家眼中的准确性，这真是令人着迷，”猪熊评论道。“这个工具应该能够帮助新化学家更快地获得经验丰富的眼睛。”

测试案例成功后，研究人员将该模型应用于不同化学混合物的评估。该模型成功地区分了不同的多晶型物和对映体，它们都是同一分子的极其相似的版本，在原子或分子排列上存在细微的差异。区分这些细微的差异在制药行业非常重要，并且通常需要更耗时的过程。

该模型甚至能够处理更复杂的混合物，准确评估四组分混合物中目标分子的百分比。还分析了反应产率，确定热脱羧反应的进程。

该团队进一步证明了其模型的多功能性，表明在进行补充训练后，它可以准确分析手机拍摄的图像。研究人员预计在研究实验室和工业中会有广泛的应用。

“我们认为这适用于需要持续、快速评估的情况，例如监测化工厂的反应或作为使用合成机器人的自动化过程中的分析步骤，”特聘助理教授 Yuki Ide 解释道。“此外，这可以作为视力受损者的观察工具。”