Анализ изображений с помощью машинного обучения быстро определяет состав химической смеси

Вы когда-нибудь случайно испортили рецепт на кухне, добавив соль вместо сахара? Из-за их схожего внешнего вида легко допустить ошибку. Точно так же проверка невооруженным глазом также используется в химических лабораториях для быстрой первоначальной оценки реакций; однако, как и на кухне, человеческий глаз имеет свои ограничения и может быть ненадежным.

Чтобы решить эту проблему, исследователи из Института проектирования и открытия химических реакций (WPI-ICReDD) Университета Хоккайдо под руководством профессора Ясухидэ Инокумаразработали модель машинного обучениякоторые позволяют отличить соотношение составов твердых смесей химических соединений, используя только фотографии образцов.

Модель была спроектирована и разработана с использованием в качестве тестового примера смеси сахара и соли. Команда использовала комбинацию случайного кадрирования, переворачивания и поворота исходных фотографий, чтобы создать большее количество дополнительных изображений для обучения и тестирования. Это позволило разработать модель, используя для обучения всего 300 исходных изображений. Обученная модель была примерно в два раза точнее, чем невооруженный глаз даже самого опытного члена команды.

«Я думаю, это потрясающе, что с помощью машинного обучения мы смогли воспроизвести и даже превзойти точность глаз опытных химиков», — прокомментировал Инокума. «Этот инструмент должен помочь начинающим химикам быстрее обрести опытный глаз».

После успешного эксперимента исследователи применили эту модель для оценки различных химических смесей. Модель успешно различала различные полиморфы и энантиомеры, которые представляют собой чрезвычайно похожие версии одной и той же молекулы с небольшими различиями в атомном или молекулярном расположении. Различение этих тонких различий важно в фармацевтической промышленности и обычно требует более трудоемкого процесса.

Модель смогла обрабатывать даже более сложные смеси, точно оценивая процентное содержание целевой молекулы в четырехкомпонентной смеси. Выход реакции также анализировали, определяя ход реакции термического декарбоксилирования.

Далее команда продемонстрировала универсальность своей модели, показав, что она может точно анализировать изображения, сделанные с помощью мобильного телефона, после проведения дополнительного обучения. Исследователи ожидают широкого спектра применений, как в исследовательских лабораториях, так и в промышленности.

«Мы считаем, что это применимо в ситуациях, когда требуется постоянная и быстрая оценка, например, мониторинг реакций на химическом заводе или этап анализа в автоматизированном процессе с использованием робота-синтеза», — объяснил специально назначенный доцент Юки Иде. «Кроме того, это может служить инструментом наблюдения для тех, у кого ослаблено зрение».

- Этот пресс-релиз первоначально был опубликован на веб-сайте Университета Хоккайдо.