Automated Mixture Analysis via Structural Evaluation

要約

化学混合物の成分の測定は、多くの科学分野にとって極めて重要です。
多くの場合、これらの混合物の組成を解読するために分光法が使用されます。
ただし、分光データベースに存在するスペクトル特徴の密度が非常に高いため、個々の種を明確に割り当てることが困難になる場合があります。
しかし、混合物の成分は一般に、環境プロセスや前駆体分子の共有により化学的に関連しています。
したがって、混合物中にどの種が存在するかを判断する際には、分子の化学的関連性の分析が重要です。
この論文では、機械学習による分子埋め込み手法とグラフベースのランキング システムを組み合わせて、他の既知の種や化学的事前分布に基づいて、混合物中に分子が存在する可能性を決定します。
この測定基準を回転分光混合物分析アルゴリズムに組み込むことにより、混合物成分が非常に高い精度 (>97%) で効率的に識別できることを実証します。

要約(オリジナル)

The determination of chemical mixture components is vital to a multitude of scientific fields. Oftentimes spectroscopic methods are employed to decipher the composition of these mixtures. However, the sheer density of spectral features present in spectroscopic databases can make unambiguous assignment to individual species challenging. Yet, components of a mixture are commonly chemically related due to environmental processes or shared precursor molecules. Therefore, analysis of the chemical relevance of a molecule is important when determining which species are present in a mixture. In this paper, we combine machine-learning molecular embedding methods with a graph-based ranking system to determine the likelihood of a molecule being present in a mixture based on the other known species and/or chemical priors. By incorporating this metric in a rotational spectroscopy mixture analysis algorithm, we demonstrate that the mixture components can be identified with extremely high accuracy (>97%) in an efficient manner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google