[發明專利]一種基于深度學習的微型化學實驗系統及方法

有效

• 申請號: 201910957280.8
• 申請日: 2019-10-10
• 公開（公告）號: CN110610747B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 謝曉蘭;邱夢楠;劉亞榮;郭強
• 申請（專利權）人: 桂林理工大學
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C20/90;G06Q50/20
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 周新楣

本發明公開了一種基于深度學習的微型化學實驗方法，包括：輸入要合成的物質的數據；在與綠色化學配套的大數據平臺中獲取所述要合成的物質的歷史大數據；在所述大數據平臺中提取所述要合成的物質的特征信息；依據所述特征信息，在所述大數據平臺中尋找與所述要合成的物質的特征信息相關的試劑；應用計算機仿真技術模擬所述試劑合成；結合所述合成的動態演化規律得到實時數據的性能評估指標；將所述性能評估指標存儲到所述大數據平臺中，同時反饋給用戶。本發明將深度學習應用于微型化學實驗中，為今后微型化學實驗的發展提供技術支持。本發明解決了傳統的人工手動實驗方法耗時長、效率低的問題，提高了微型化學實驗的完成效率。

技術領域

本發明屬于綠色化學數據分析領域，涉及一種基于深度學習的微型化學實驗系統及方法。

背景技術

所謂微型化學實驗，就是以盡可能少的化學試劑來獲取所需化學信息的實驗方法與技術。雖然它的化學試劑用量一般只為常規實驗用量的幾十分之一乃至幾千分之一，但其效果卻可以達到準確、明顯、安全、方便和防止環境污染等目的。微型化學實驗與常規實驗相比，具有明顯的綠色環保、節約藥品和節省時間的特點。微型化學實驗的優勢已經在教學中呈現出來，受到了廣大師生的歡迎。目前，國內已有800余所大、中院校開始采用微型化學實驗。

深度學習是機器學習中一種基于對數據進行表征學習的方法，是一種能夠模擬出人腦的神經結構的機器學習方法。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。

目前，微型化學實驗仍然采用傳統的人工手動實驗方法，耗時長、效率低，因此有必要引入新技術，推進國內外微型化學實驗進程。

發明內容

本發明的目的是提供一種基于深度學習的微型化學實驗系統及方法，以解決傳統微型化學實驗方法不足的問題。

本發明是這樣實現的：一種基于深度學習的微型化學實驗系統，包括數據錄入模塊、數據處理模塊、數據顯示模塊、數據分析模塊、性能評估模塊、數據存儲與反饋模塊，數據錄入模塊與數據處理模塊相連，數據處理模塊與數據顯示模塊相連，數據顯示模塊與數據分析模塊相連，數據分析模塊與性能評估模塊相連，性能評估模塊與數據存儲與反饋模塊相連。

所述數據錄入模塊，用于輸入要合成的物質的數據；

所述數據處理模塊，用于在與綠色化學配套的大數據平臺中獲取所述要合成的物質的歷史大數據，如果存在所述歷史大數據，則將歷史大數據在數據顯示模塊顯示，否則，在所述大數據平臺中提取所述要合成的物質的特征信息；

所述數據顯示模塊，用于在所述大數據平臺中，將所述歷史大數據或所述性能評估指標進行可視化處理并顯示出來；

所述數據分析模塊，用于依據所述特征信息，在所述大數據平臺中尋找與所述要合成的物質的特征信息相關的試劑；

所述性能評估模塊，用于應用計算機仿真技術模擬所述試劑合成；結合所述合成的動態演化規律得到實時數據的性能評估指標；

所述數據存儲與反饋模塊，將所述性能評估指標存儲到所述大數據平臺中，同時反饋給用戶。

一種基于深度學習的微型化學實驗方法，具體的方法步驟如下：

步驟一：輸入要合成的物質的數據；

步驟二：在與綠色化學配套的大數據平臺中獲取所述要合成的物質的歷史大數據；

步驟三：在所述大數據平臺中提取所述要合成的物質的特征信息；

步驟四：依據所述特征信息，在所述大數據平臺中尋找與所述要合成的物質的特征信息相關的試劑；

步驟五：應用計算機仿真技術模擬所述試劑合成；

步驟六：結合所述合成的動態演化規律得到實時數據的性能評估指標；