論文の概要: Artificial Intelligence for reverse engineering: application to
detergents using Raman spectroscopy
- arxiv url: http://arxiv.org/abs/2310.20254v1
- Date: Tue, 31 Oct 2023 08:16:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 16:13:44.746644
- Title: Artificial Intelligence for reverse engineering: application to
detergents using Raman spectroscopy
- Title（参考訳）: リバースエンジニアリングのための人工知能:ラマン分光法による洗剤への応用
- Authors: Pedro Marote (UCBL, ISA), Marie Martin (UCBL, ISA), Anne Bonhomme,
Pierre Lant\'eri (ISA, UCBL), Yohann Cl\'ement
- Abstract要約: デジタルツールや分析技術の開発は、潜在的に有毒な分子の同定を可能にする。
各種デジタルツール(スペクトルデータベース,混合データベース,実験設計,ケモメトリックス/機械学習アルゴリズム)と異なるサンプル作成方法の組み合わせにより,混合成分の同定が可能となった。
この戦略は、製品や原料の制御、品質管理の目的でも適用できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The reverse engineering of a complex mixture, regardless of its nature, has
become significant today. Being able to quickly assess the potential toxicity
of new commercial products in relation to the environment presents a genuine
analytical challenge. The development of digital tools (databases,
chemometrics, machine learning, etc.) and analytical techniques (Raman
spectroscopy, NIR spectroscopy, mass spectrometry, etc.) will allow for the
identification of potential toxic molecules. In this article, we use the
example of detergent products, whose composition can prove dangerous to humans
or the environment, necessitating precise identification and quantification for
quality control and regulation purposes. The combination of various digital
tools (spectral database, mixture database, experimental design, Chemometrics /
Machine Learning algorithm{\ldots}) together with different sample preparation
methods (raw sample, or several concentrated / diluted samples) Raman
spectroscopy, has enabled the identification of the mixture's constituents and
an estimation of its composition. Implementing such strategies across different
analytical tools can result in time savings for pollutant identification and
contamination assessment in various matrices. This strategy is also applicable
in the industrial sector for product or raw material control, as well as for
quality control purposes.
- Abstract（参考訳）: 複雑な混合物のリバースエンジニアリングは、その性質に関わらず、今日では重要になっている。
環境にかかわる新商品の潜在的な毒性を迅速に評価できることは、真に分析的な課題である。
デジタルツール(データベース、化学計測、機械学習など)と分析技術(ラマン分光、NIR分光、質量分析等)の開発により、潜在的有害分子の同定が可能となる。
本稿では, コンポジションが人間や環境に危険であることを証明できる洗剤製品の例を用いて, 品質管理や規制のために正確な識別と定量化を必要とする。
様々なデジタルツール(スペクトルデータベース、混合データベース、実験設計、ケモメトリックス/機械学習アルゴリズム{\ldots})と異なる試料調製法(生試料、またはいくつかの濃縮/希薄試料)のラマン分光法の組み合わせにより、混合成分の同定と組成の推定が可能となった。
異なる分析ツールにまたがってこのような戦略を実装すると、様々な行列における汚染物質の識別と汚染評価の時間を節約できる。
この戦略は、製品や原料の制御や品質管理の目的で産業部門にも適用できる。
関連論文リスト
- BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。
我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。
この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
論文 参考訳（メタデータ） (2024-08-19T05:17:40Z) - Machine learning meets mass spectrometry: a focused perspective [0.0]
質量分析法 (Mass Spectrometry) は、医学、生命科学、化学、工業製品の品質管理などの分野で広く用いられている方法である。
いくつかの質量分析技術の主な特徴の1つは、広範囲のキャラクタリゼーションレベルと、測定毎に生成される大量のデータである。
機械学習の手法の開発によって、これらのデータの可能性を解き放つ機会が生まれ、これまでアクセス不能だった発見が可能になる。
論文 参考訳（メタデータ） (2024-06-27T14:18:23Z) - Intelligent Chemical Purification Technique Based on Machine Learning [5.023197681500998]
本研究では, カラムクロマトグラフィーを用いた人工知能の革新的開発を行い, 不効率を解消し, 化学分離・浄化領域におけるデータの収集を標準化することを目的とする。
高精度なデータ取得と高度な機械学習アルゴリズムを用いた自動プラットフォームの開発により、キー分離パラメータを予測する予測モデルを構築した。
新規な計量である分離確率(S_p$)は、有効化合物分離の確率を定量化し、実験的な検証によって検証する。
論文 参考訳（メタデータ） (2024-04-14T01:44:58Z) - Hyperspectral unmixing for Raman spectroscopy via physics-constrained
autoencoders [0.565395466029518]
オートエンコーダニューラルネットワークを用いたハイパースペクトルアンミックスアルゴリズムを開発した。
その結果, アンミックス方式に比べて精度, 堅牢性, 効率性が向上した。
論文 参考訳（メタデータ） (2024-03-07T14:27:08Z) - An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - Automatically Predict Material Properties with Microscopic Image Example
Polymer Compatibility [94.40113383292139]
機械学習を用いたコンピュータ画像認識は、人工判定の欠陥を補うことができる。
畳み込みニューラルネットワークとトランスファーラーニング手法を用いて、自動誤認認識を実現する。
提案手法は, 各種材料の微細構造と物性の定量的評価に広く応用できる。
論文 参考訳（メタデータ） (2023-03-22T07:51:32Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳（メタデータ） (2023-02-09T20:19:57Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳（メタデータ） (2022-01-07T22:26:33Z) - Federated Learning of Molecular Properties in a Heterogeneous Setting [79.00211946597845]
これらの課題に対処するために、フェデレーションヘテロジニアス分子学習を導入する。
フェデレートラーニングにより、エンドユーザは、独立したクライアント上に分散されたトレーニングデータを保存しながら、グローバルモデルを協調的に構築できる。
FedChemは、化学におけるAI改善のための新しいタイプのコラボレーションを可能にする必要がある。
論文 参考訳（メタデータ） (2021-09-15T12:49:13Z) - A review of artificial intelligence methods combined with Raman
spectroscopy to identify the composition of substances [2.7822452854045516]
ラマン分光法、機械学習、ディープラーニング技術は、混合成分を識別できる効率的な分析ツールを実現するための道を開いた。
このレビューでは、物質組成の同定におけるラマン分光の研究を要約し、ラマン分光の前処理過程をレビューする。
論文 参考訳（メタデータ） (2021-04-05T02:24:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。