分享至
AI賦能東西分析儀器
在當(dāng)今科技飛速發(fā)展的時(shí)代，人工智能（AI）已經(jīng)成為推動(dòng)各個(gè)領(lǐng)域創(chuàng)新的強(qiáng)大力量。我們不禁回想起，在當(dāng)時(shí)chatGPT火爆之前，李曉鷗總經(jīng)理就在2016年中國(guó)科學(xué)儀器發(fā)展年會(huì)上撰寫的一篇題為《未來科學(xué)儀器的展望》的文章。文章中，探討了人工智能（AI）技術(shù)對(duì)科學(xué)儀器領(lǐng)域的影響，而今，距離那時(shí)已經(jīng)過去了八年，文章中的設(shè)想正在一步步走近現(xiàn)實(shí)。
東西分析質(zhì)譜、光譜和色譜等技術(shù)一直致力于與AI技術(shù)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(shí)現(xiàn)了質(zhì)的飛躍，顯著提升了科學(xué)研究和工業(yè)應(yīng)用的水平。
在傳統(tǒng)的分析儀器數(shù)據(jù)統(tǒng)計(jì)中，常常依賴于人工操作和一些基礎(chǔ)的統(tǒng)計(jì)學(xué)方法來分析數(shù)據(jù)。然而，當(dāng)面對(duì)龐大的數(shù)據(jù)量時(shí)，這些傳統(tǒng)方法往往顯得力不從心，難以揭示數(shù)據(jù)中隱藏的深層次信息。針對(duì)上述問題，公司引入AI學(xué)習(xí)算法，通過這些算法的學(xué)習(xí)過程，能夠從海量的數(shù)據(jù)中識(shí)別出內(nèi)在的規(guī)律性信息，從而挖掘出數(shù)據(jù)中隱含的模式，進(jìn)而用于預(yù)測(cè)、分類和統(tǒng)計(jì)分析。
例如在Ebio Reader 3700 Plus飛行時(shí)間質(zhì)譜儀中，公司開發(fā)了一系列的機(jī)器學(xué)習(xí)算法，如遺傳算法（GA），決策樹算法（DT），K-近鄰算法（KNN），人工神經(jīng)網(wǎng)絡(luò)算法（ANN）和主成分分析算法（PCA）。這些算法被應(yīng)用于數(shù)據(jù)預(yù)處理、特征提取和特征選擇等多個(gè)關(guān)鍵環(huán)節(jié)。通過建立相應(yīng)的模型，能夠更精確地處理和分析復(fù)雜數(shù)據(jù)，顯著提升Ebio Reader 3700 Plus飛行時(shí)間質(zhì)譜儀在鑒定微生物時(shí)的準(zhǔn)確率和可靠性。例如下圖，Ebio Reader 3700 Plus飛行時(shí)間質(zhì)譜儀中人工智能算法精準(zhǔn)鑒定難辨菌種中大腸桿菌和志賀氏菌。
在需要處理海量數(shù)據(jù)的現(xiàn)代分析任務(wù)中，時(shí)間就是關(guān)鍵。AI 算法能夠?qū)?shù)據(jù)進(jìn)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(shí)間質(zhì)譜儀，利用深度學(xué)習(xí)技術(shù)，AI 可以自動(dòng)識(shí)別質(zhì)譜圖中的特征峰，并與已知化合物的譜圖庫(kù)進(jìn)行匹配，使用統(tǒng)計(jì)算法計(jì)算匹配度，大大縮短了分析時(shí)間，提高了工作效率。此外，通過AI學(xué)習(xí)算法，對(duì)大量的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，建立精確的模型，把干擾辨別出來，自動(dòng)校正測(cè)量結(jié)果中的偏差。
回顧八年前，《未來科學(xué)儀器的展望》一文中提出：“就拿應(yīng)用開發(fā)來說，人工智能自己學(xué)習(xí)測(cè)量鉛元素，掌握全部的前處理技術(shù)，把全部當(dāng)前元素測(cè)量的方法都錄入存放，可以檢索，通過測(cè)試不同樣品，舉一反三地學(xué)習(xí)，同時(shí)自己可以查找相應(yīng)的方法，逐步成為一個(gè)優(yōu)秀的應(yīng)用“人員”。這種“人員”的人工智能水平要求有多高??我感覺計(jì)算變化可能有10的20次方就到頭了吧？這個(gè)水平和目前?Alpha Go的水平如何比較？據(jù)說在本次比賽的第四局中，白棋(Alpha Go)在黑棋第76步后的計(jì)算就超過了10的40次方。”隨著這位應(yīng)用“人員”在東西分析儀器上慢慢實(shí)現(xiàn)，人工智能在分析儀器領(lǐng)域的應(yīng)用已經(jīng)取得了顯著的進(jìn)步。未來東西分析儀器公司將繼續(xù)推動(dòng)儀器質(zhì)量和人工智能的深度融合，全面提升儀器性能。
請(qǐng)點(diǎn)擊下方鏈接，獲取《未來科學(xué)儀器的展望》原文
