根据《工业与工程化学研究》杂志的报道，日本北海道大学的研究人员开发出一种基于机器学习的模型，可以通过照片来识别和区分固体化学混合物的成分比例。这种方法首先以糖和盐的混合物为测试对象进行了开发和验证。通过对原始照片进行随机裁剪和旋转，研究人员利用300张照片就成功训练出了这个模型。实验结果显示，这个模型的精确度约为专家肉眼识别的两倍。
在成功测试了糖和盐混合物的识别后，研究人员将这一技术扩展到了其他不同类型的化学混合物上，包括具有不同晶型和对映体的物质。这些物质虽然看起来非常相似，但实际上在原子或分子排列上有细微的差异。在制药行业中，区分这些差异通常需要大量的时间和精力。然而，这个机器学习模型却能够轻松地区分这些差异。
此外，这个模型还可以处理更复杂的四组分混合物，并准确地评估目标分子在混合物中的百分比。这一能力使得该模型在实际应用中具有广泛的前景。
为了进一步证明模型的实用性，研究人员还展示了如何通过对模型进行补充训练，使其能够准确地分析用手机拍摄的图像。这一发现意味着，无论是在实验室环境还是在实际应用中，这个模型都能够提供可靠的结果。
研究人员表示，这个机器学习模型已经能够模仿甚至超越有经验的化学家的眼睛。他们相信，这个工具不仅可以帮助新手化学家更好地理解复杂的化学混合物，还能为视障人士提供一种新的观察手段。
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/52113.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。