基于机器学习的智能化学分离技术

本研究开发了用于柱色谱的机器学习模型,解决了化学家在实验过程中面临的准确性和重复性问题。我们构建了一个自动化的色谱实验平台来收集标准化的数据,并采用最新的机器学习方法,选择QGeoGNN算法建立基础模型。通过迁移学习技术,该模型可适应不同规格的色谱柱。QGeoGNN结合了分子三维构象、实验条件、相关描述符和分位数学习技术,有效地满足了化学领域的特定需求。此外,将色谱柱特性与机器学习技术相结合,进一步提高了模型的预测性能。我们还定义了一个分离概率指标来衡量在特定条件下化合物分离的可能性。