由共识神经网络驱动的智能推系统:寻找合适的螺旋色谱系统的终极解决方案?
Salvador Sagrado1,2, Carlos Pardo-Cortina1, Laura Escuder-Gilabert1
1Departamento de Química Analítica, Universitat de València, Burjassot, E- 46100 Valencia, Spain.
这项研究引入了一个使用人工神经网络 (ANN) 的智能推系统,用于预测有效的状静止相 (CSP) 和移动相 (MP) 组合用于状分离. 这种方法最大限度地减少了实验浪费和分离过程中的努力.
科学领域:
- 分析化学 分析化学
- 计算化学的计算化学
- 染色体学 染色体学 是一种染色学.
背景情况:
- 性化合物的反分离至关重要,但具有挑战性,通常需要对性静止相 (CSP) 和移动相 (MP) 进行广泛的实验选.
- 开发预测模型可以显著减少与优化色谱条件相关的实验力度和浪费.
研究的目的:
- 评估算法工具,特别是人工神经网络 (ANN) 的共识模型,作为一个智能推系统 (IRS),用于预测合适的CSP/MP系统进行enantioseparation.
- 为了证明将性化合物结构与最佳色谱系统联系起来的潜力.
主要方法:
- 开发了一种使用多个优化人工神经网络 (ANN) 的共识模型.
- 这些ANN使用一种具有竞争性学习 (CCLNNA) 的新型混乱神经网络算法进行了训练,用于优化和特征选择.
- 该模型使用56个结构描述符对56种不同的性化合物和14种染色系统 (7个CSP,2个MP) 进行了评估.
主要成果:
- 该ANN-共识模型在推有效的CSP/MP系统进行enantioseparation时表现出高准确度.
- 该系统在概念验证评估中没有显示任何咨询失败.
- 美国国税局要求最低限度的实验验证,大大简化了分离过程.
结论:
- 开发的智能推系统显示了优化反分离过程的巨大潜力.
- 这种计算方法可以有效地指导色谱系统的选择,减少实验成本和时间.
- 这项研究强调了先进的机器学习算法在化学分离科学中的实用性.
更多相关视频
13:35A Convenient Method for Extraction and Analysis with High-Pressure Liquid Chromatography of Catecholamine Neurotransmitters and Their Metabolites
Published on: March 1, 2018
07:50Author Spotlight: Integrating 2D-HPLC-MS and Molecular Networking in Natural Medicine Analysis
Published on: December 8, 2023
相关概念视频
Types Of Column Chromatography
Gel Filtration Chromatography
When the...
Chirality in Nature
Prochirality
Principles Of Column Chromatography
Optimizing Chromatographic Separations
Band broadening refers to spreading solute bands as they travel through the column. This broadening can impact resolution. Plate height (H) represents the length required for one theoretical plate. A lower plate height corresponds to...
Racemic Mixtures and the Resolution of Enantiomers
