分享至
AI賦能東西分析儀器
在當今科技飛速發(fā)展的時代，人工智能（AI）已經成為推動各個領域創(chuàng)新的強大力量。我們不禁回想起，在當時chatGPT火爆之前，李曉鷗總經理就在2016年中國科學儀器發(fā)展年會上撰寫的一篇題為《未來科學儀器的展望》的文章。文章中，探討了人工智能（AI）技術對科學儀器領域的影響，而今，距離那時已經過去了八年，文章中的設想正在一步步走近現實。
東西分析質譜、光譜和色譜等技術一直致力于與AI技術的深度融合，通過AI的賦能，分析儀器在性能、精度、效率等方面實現了質的飛躍，顯著提升了科學研究和工業(yè)應用的水平。
在傳統(tǒng)的分析儀器數據統(tǒng)計中，常常依賴于人工操作和一些基礎的統(tǒng)計學方法來分析數據。然而，當面對龐大的數據量時，這些傳統(tǒng)方法往往顯得力不從心，難以揭示數據中隱藏的深層次信息。針對上述問題，公司引入AI學習算法，通過這些算法的學習過程，能夠從海量的數據中識別出內在的規(guī)律性信息，從而挖掘出數據中隱含的模式，進而用于預測、分類和統(tǒng)計分析。
例如在Ebio Reader 3700 Plus飛行時間質譜儀中，公司開發(fā)了一系列的機器學習算法，如遺傳算法（GA），決策樹算法（DT），K-近鄰算法（KNN），人工神經網絡算法（ANN）和主成分分析算法（PCA）。這些算法被應用于數據預處理、特征提取和特征選擇等多個關鍵環(huán)節(jié)。通過建立相應的模型，能夠更精確地處理和分析復雜數據，顯著提升Ebio Reader 3700 Plus飛行時間質譜儀在鑒定微生物時的準確率和可靠性。例如下圖，Ebio Reader 3700 Plus飛行時間質譜儀中人工智能算法精準鑒定難辨菌種中大腸桿菌和志賀氏菌。
在需要處理海量數據的現代分析任務中，時間就是關鍵。AI 算法能夠對數據進行快速篩選、分類和處理，大大縮短了分析周期。例如Optimass 9600?電感耦合等離子體飛行時間質譜儀，利用深度學習技術，AI 可以自動識別質譜圖中的特征峰，并與已知化合物的譜圖庫進行匹配，使用統(tǒng)計算法計算匹配度，大大縮短了分析時間，提高了工作效率。此外，通過AI學習算法，對大量的實驗數據進行分析，建立精確的模型，把干擾辨別出來，自動校正測量結果中的偏差。
回顧八年前，《未來科學儀器的展望》一文中提出：“就拿應用開發(fā)來說，人工智能自己學習測量鉛元素，掌握全部的前處理技術，把全部當前元素測量的方法都錄入存放，可以檢索，通過測試不同樣品，舉一反三地學習，同時自己可以查找相應的方法，逐步成為一個優(yōu)秀的應用“人員”。這種“人員”的人工智能水平要求有多高??我感覺計算變化可能有10的20次方就到頭了吧？這個水平和目前?Alpha Go的水平如何比較？據說在本次比賽的第四局中，白棋(Alpha Go)在黑棋第76步后的計算就超過了10的40次方。”隨著這位應用“人員”在東西分析儀器上慢慢實現，人工智能在分析儀器領域的應用已經取得了顯著的進步。未來東西分析儀器公司將繼續(xù)推動儀器質量和人工智能的深度融合，全面提升儀器性能。
請點擊下方鏈接，獲取《未來科學儀器的展望》原文
