基于自动化和机器学习的智能柱层析预测模型

高效化合物分离一直是合成化学中的一个持续挑战，柱层析作为关键的纯化工具发挥着重要作用。传统方法需要丰富的专业知识和重复的劳动，而人工智能（AI）在这些方面提供了显著的优势。本研究介绍了一种由AI驱动的平台，用于自动化数据收集和优化分离过程。通过利用深度学习，该系统能够预测关键分离参数，而迁移学习则使其能够适应不同规格的柱子。一种新的度量指标——分离概率（𝑆𝑝）量化了成功分离组分的可能性，并已通过实验验证。这种方法提高了精度，减少了人工干预，并扩展了层析应用的范围，为化学纯化提供了一种更高效且可扩展的解决方案。