使用機器學習方法來分析複雜的分子結構，速度更快！

核磁共振波譜儀使科學家能夠描述分子，比如蛋白質的結構。但是，這可能需要高度熟練的專家花費大量的時間來分析這些資料。

近日，俄亥俄州立大學開發了一種新的機器學習的方法。該方法可以更好地分析核磁共振資料，瞭解人體中的蛋白質和化學反應。這種方法最大的優點就是可以更快、更準確地分析資料。

科學家們表明，這種方法的實質就是教會計算機解開有關蛋白質原子級特性的複雜資料，將它們解析為單獨的、可讀的影象。

該項研究的主要作者是俄亥俄州立大學校園化學儀器中心科學家李大偉。他們建立了一個深度學習網路，教計算機分析核磁共振譜的資料。主要方法就是將人已經分析過的光譜輸入計算機，並告訴計算機先前已知的正確結果。

教計算機分析光譜的過程就像教孩子閱讀一樣，首先從非常簡單的光譜開始。一旦計算機理解了這一點，研究人員就會輸入更復雜的分子光譜。

研究人員發現，這臺由深度學習網路教導來分析光譜的計算機，能夠以與人類專家相同的準確度來解析出高度複雜的分子光譜。更為重要的是，計算機的速度更快，可重複性也更高。

該項研究的成果被髮表在了《自然通訊》上。

前瞻經濟學人APP資訊組

參考資料：https：//www。sciencedaily。com/releases/2021/09/210921172716。htm