Unser Modell kann nicht nur 2D-NMR-Spektren genau vorhersagen, sondern auch die Peaks in experimentellen 2D-NMR-Spektren präzise zuordnen, indem es Multi-Tasking-Training und iteratives Selbsttraining nutzt.
Eine neue Methode zur Klassifizierung von Differenzmobilitätsspektrogrammen wird präsentiert, bei der diese als zeitliche Messreihen interpretiert werden. Dadurch kann ein Long-Short Term Memory (LSTM) Neuronales Netzwerk eingesetzt werden, das eine Klassifizierungsgenauigkeit von 89% erreicht.