新的机器学习方法,从核磁共振光谱仪更快和更准确的数据分析

科学家开发出了一种方法使用机器学习来更好的分析数据从核磁共振(NMR)光谱仪。核磁共振光谱仪允许科学家描述的结构分子,如蛋白质,但它可以高度熟练的人类专家大量的时间来分析这些数据。这一新的机器学习方法可以分析数据更加迅速和准确。

在最近的一项研究中,科学家们描述他们的过程,本质上教电脑对量子蛋白质的性质,理清复杂的数据解析成个体,可读的图片。

“能够使用这些数据,我们需要分开成不同部分的功能分子和量化他们的特定属性”,拉斐尔Bruschweiler说。”,在此之前,很难使用计算机来识别这些个性特征重叠时。”

大为李和开发的过程,称为深选择器,教电脑扫描核磁共振光谱和光谱解构到可读的山峰。这个过程包括创建一个人工神经网络,训练它喂养光谱分析核磁共振光谱,已经被一个人进入计算机分析,告诉电脑先前已知的正确结果。深层神经网络能够解析出山峰的高度复杂的示例相同的精度作为人类专家,研究人员发现。,计算机速度和高度重复性良好。