論文の概要: Automated Mixture Analysis via Structural Evaluation

• arxiv url: http://arxiv.org/abs/2408.15819v1
• Date: Wed, 28 Aug 2024 14:32:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-29 15:40:56.163672
• Title: Automated Mixture Analysis via Structural Evaluation
• Title（参考訳）: 構造評価による自動混合解析
• Authors: Zachary T. P. Fried, Brett A. McGuire,
• Abstract要約: 本稿では,機械学習の分子埋め込み手法とグラフベースのランキングシステムを組み合わせることで,混合系に存在する分子の可能性を判定する。 混合成分を極めて高い精度 (>97%) で効率よく同定できることを実証した。
• 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 determination of chemical mixture components is vital to a multitude of scientific fields. Oftentimes spectroscopic methods are employed to decipher the composition of these mixtures. However, the sheer density of spectral features present in spectroscopic databases can make unambiguous assignment to individual species challenging. Yet, components of a mixture are commonly chemically related due to environmental processes or shared precursor molecules. Therefore, analysis of the chemical relevance of a molecule is important when determining which species are present in a mixture. In this paper, we combine machine-learning molecular embedding methods with a graph-based ranking system to determine the likelihood of a molecule being present in a mixture based on the other known species and/or chemical priors. By incorporating this metric in a rotational spectroscopy mixture analysis algorithm, we demonstrate that the mixture components can be identified with extremely high accuracy (>97%) in an efficient manner.
• Abstract（参考訳）: 化学混合物成分の定量は、様々な科学分野において不可欠である。 しばしば、これらの混合物の組成を解読するために分光法が用いられる。 しかし、分光データベースに存在するスペクトルの特徴の密度は、個々の種への明確な割り当てを困難にすることができる。 しかし、混合物の成分は通常、環境過程や共有前駆体分子によって化学的に関係している。 したがって、混合物中にどの種が存在するかを決定する際には、分子の化学的関連性の分析が重要である。 本稿では、機械学習の分子埋め込み法とグラフベースのランキングシステムを組み合わせて、他の既知の種および/または化学の先駆体に基づいて、混合体に存在する分子の可能性を判定する。 回転分光混合分析アルゴリズムにこの指標を組み込むことにより、これらの混合物成分を極めて高い精度(>97%)で効率良く同定できることを実証する。

関連論文リスト

• 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)
• Exploiting Hierarchical Interactions for Protein Surface Learning [52.10066114039307]
  本質的には、タンパク質表面のポテンシャル関数部位は、幾何学的特徴と化学的特徴の両方によって決定される。 本稿では,ディープラーニング技術,すなわち階層型化学・幾何学的特徴相互作用ネットワーク(HCGNet)に基づく原則的フレームワークを提案する。 提案手法は,現場予測タスクが2.3%,インタラクションマッチングタスクが3.2%,従来の最先端手法が2.3%向上した。
  論文  参考訳（メタデータ） (2024-01-17T14:10:40Z)
• Artificial Intelligence for reverse engineering: application to detergents using Raman spectroscopy [0.0]
  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。
  論文  参考訳（メタデータ） (2023-10-31T08:16:22Z)
• 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)
• Quantum Coherent States of Interacting Bose-Fermi Mixtures in One Dimension [68.8204255655161]
  ボソンとフェルミオンの両方を含む1次元の2成分の原子ガス混合物について検討した。 相互作用の内在的および相対的強度によって異なる多種多様な基底状態相を報告した。
  論文  参考訳（メタデータ） (2021-10-26T17:52:37Z)
• 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)
• Raman spectral analysis of mixtures with one-dimensional convolutional neural network [0.0]
  近年、ロバストな1次元畳み込みニューラルネットワーク (1-D CNN) とラマン分光法の組み合わせは、未知の物質を迅速に同定する大きな可能性を示している。 この手法を未知の混合物中の純粋な化合物の分類にまで拡張しようとする研究もある。 ここでは、多成分混合物中の化学成分のスペクトル認識と定量化における新しいアプローチを紹介する。
  論文  参考訳（メタデータ） (2021-06-01T16:23:30Z)
• 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)
• Sequential optical response suppression for chemical mixture characterization [0.0]
  本稿では, 量子混合における成分の相対濃度を決定するための量子トラッキング制御に基づくアプローチを提案する。 気体相中の二原子分子の混合物と、成分の混合物からなる固体物質という、2つの非常に異なるモデルシステムを考える。
  論文  参考訳（メタデータ） (2020-10-26T19:24:00Z)
• Consistent Estimation of Identifiable Nonparametric Mixture Models from Grouped Observations [84.81435917024983]
  この研究は、グループ化された観測から任意の同定可能な混合モデルを一貫して推定するアルゴリズムを提案する。 ペア化された観測のために実践的な実装が提供され、アプローチは既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-12T20:44:22Z)

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。