人工智能方法从质谱图推导分子量

本文从正确的分子量必与一组合理的质谱中性丢失相匹配,分子量的奇偶性与质谱中奇、偶质量离子的强度分布特征相联系出发,发展了一个利用电子轰击低分辩质谱信息推导化合物分子量的计算机程序。     

脑活素的肽色谱图及分子量测定

本文对奥地利 EBEWE公司及国内8家药厂生产的脑活素类注射液的肽色谱图及分子量分布进行分析比较。结果表明,该产品的分子量都低于1万,其组成及分布情况各不相同。由此反映出各厂家工艺的不同,建议有关部门应组织统一的考察并制订出相应的质量标准。     

脑活素的肽色谱图及分子量测定

本文对奥地利ＥＢＥＷＥ公司及国内８家药厂生产的脑活素类注射液的肽色谱图及分子量分布进行分析比较。结果表明,该产品的分子量都低于１万,其组成及分布情况各不相同。由此反映出各厂家工艺的不同,建议有关部门应组织统一的考究并制订出相应的质量标准。     

电喷雾质谱测定聚醚多元醇的平均分子量及其分布

聚醚多元醇是生产聚氨酯制品的主要原料,其相对分子质量及其分布对聚氨酯制品的性能有着直接影响.采用高分辨电喷雾质谱仪(ESI-MS)对聚醚多元醇进行分析,得到了其相对分子质量分布的质谱图,根据其中的同位素峰质荷比之差判断出分子离子峰的电荷态.各分子离子峰的强度代表了相应的相对分子质量聚醚多元醇的浓度,通过计算得到了准确的数均相对分子质量(Mn)、重均分子量(Mw)以及相对分子质量分布系数(PD).从各主要分子离子峰之间质荷比差值都是58,推断该聚醚多元醇以环氧丙烷为单体.该方法简便,快速,准确,分辨率及灵敏度高.     

基于人工智能的产品设计方法

本文对人工智能在 CAD系统中的应用进行了讨论 ,研究了专家系统的原理和方法 ,探讨了不精确推理技术在智能 CAD中的应用。研究表明 ,本文的方法有效、可行。     

利用数字图像处理技术从光谱图中还原数据的方法

针对许多光谱分析实验的结果只有光谱而没有数据的情况，提出了一种利用数字图像处理技术从光谱图中还原数据的方法，并通过实验证明了该方法的可靠性。     

基于质谱的TOP-DOWN蛋白质组学技术用于微生物鉴定

采用新型的质谱软电离方法,如基体辅助激光解吸电离(MALDI)和/或者电喷雾离子化(ESI),可获得微生物的质谱图.当微生物经过纯化、分级、富集和色谱分离后,可将ESI与多种质量分析器相结合,进行大规模的不同微生物的蛋白质组学研究.相反,MALDI对盐和其他杂质的耐受能力高,因此,在只对样品进行简单处理的情况下,MALDI可被用作快速检测和鉴定完整微生物的质谱传感器平台的离子源.     

基于人工智能技术的大数据分析方法研究进展

人工智能、大数据、云计算、物联网等信息技术为推动集成制造快速发展提供了关键技术手段。近年来,采用人工智能技术进行大数据分析取得了突破性进展。系统总结了基于人工智能技术的大数据分析方法的最新研究进展。从大数据的聚类、关联分析、分类和预测4个主要的数据挖掘任务出发,分析了大数据环境下机器学习的研究现状;针对深度学习这一热点,总结了基于MapReduce、Spark的分布式深度学习实现,以及面向大数据分析的深度学习算法改进相关研究;从群智能、进化算法两方面梳理了基于计算智能的大数据分析相关研究;针对大数据平台,特别对大数据分析和深度学习集成框架进行了归纳,介绍了大数据机器学习系统和算法库;分析了大数据分析中人工智能技术面临的主要挑战,并提出了进一步的研究方向。     

人工智能领域中的少量传感器结构安全监测方法

传统的传感器安全监测方法损伤监测率较低,为了解决这一问题,研究了一种新的安全监测方法,通过小波变换和重构相空间拓扑结构相结合的方法确定传感器的损伤位置,分析传感器的振动信号,确定传感器的震动波形,计算出传感器损伤位置的相关系数与传感器结构中没有损伤的相关系数的差值,提取损伤因子,由两个传感器监测构成动态贝叶斯网络系统,实时分析传感器结构安全状态,及时上传。为了检测监测方法效果,设定对比实验,结果表明,研究的少量传感器结构安全监测方法能够在短时间内精准地检测出传感器损伤位置。     

有机质谱人工智能（AI）解释－邻位效应重排在鉴别位置异构体及几何异构体中的应用

本文对一些典型化合物（如芳香类化合物、杂环化合物、含双键链状化合物等）中的邻位效应重排离子及异构体鉴别进行简述和讨论。     

基于人工智能技术的电力测量仪表计量误差校正方法

为提升电网交易数据的可靠性,针对当前电力测量仪表计量误差校正方法由于计量数据误差检定能力较差,导致误差校正结果与理想结果相差较大的问题,设计基于人工智能技术的电力测量仪表计量误差校正方法.使用T分布检测方法构建电力测量仪表计量误差检定模型,确定误差数据的类型.根据人工智能技术中的EM-KF原理,结合误差数据类型与特征,...     

《有机质谱人工智能解释方法研究——DCP—AIMS—SFC系统》获中国科学院自然科学奖

有机质谱人工智能解释研究是有机质谱前沿课题之一。中国科学院大连化学物理研究所李新明、关德俶、付道韫、张大权、陈蔚薇、宋恒昌、季青春、陈建华、宋鸿等人完成了研究项目《有机质谱人工智能解释方法研究——DCP—AIMS—SFC系统》。该解释系统对含C、H、O、N、S、卤素等元素的某些不同结构类型的单功能基化合物质谱进行化学