Qazanclar:
- Dil modelinin şifahi təxminindən daha çox yerinə yetirilən Python kodu əsasında ədədi nəticələri əsaslandırmaq bacarığı
- Süni intellektə stokiometriya, kalibrləmə və məlumatların təmizlənməsi kodunu yazmaq və cavabları məlum olan nümunələrlə sınaqdan keçirmək bacarığı
- Həmişə vahidləri dəqiqləşdirmək və onların sırasını yoxlamaqla verilənlərin təhlili xətalarının qarşısını almaq bacarığı
Kimya rəqəmlərlə doludur: çəkilər, həcmlər, udma dəyərləri, məhsuldarlıqlar, konsentrasiyalar. Bu məlumatların əl ilə işlənməsi yavaş və səhvlərə meyllidir. Süni intellekt burada iki əsas xidmət təqdim edir: (1) verilənləri emal edən Python kodunu yazır, (2) həmin kodu işlədir (kodu işlədə bilən mühitdə) və deterministik nəticə verir. Kritik prinsip belədir: hesablamanı dil modelinin “şifahi proqnozuna” deyil, icra olunan kodun çıxışına buraxın. Dil modeli "142 × 0,05 nədir?" suala bəzən səhv cavab verə bilər; lakin onun yazdığı Python xətti həmişə düzgün hesablayır. Bu bölmədə biz bu fəlsəfə ilə AI ilə kimyəvi məlumatların təhlilini öyrənəcəyik.
Niyə kod şifahi təxmin etməkdən daha yaxşıdır?
Dil modeli "mümkün nəticəni proqnozlaşdırmaqla" hesab edir; buna görə də böyük ədədlər və ya çox addımlı hesablama ilə səhv ola bilər. Python-da 142 * 0.05 ifadəsi deterministikdir: həmişə 7.1 qaytarır. Beləliklə, strategiya: AI-ni hesablamağa məcbur etməyin, hesablamanın KODU-nu çap edin və kodu işə salın. Beləliklə, siz AI yaradıcılığından istifadə edirsiniz (kod yaratmaq) və etibarsız tərəfi (baş arifmetik) söndürürsünüz.
İpucu: Süni intellektdən ədədi nəticə əldə etdiyiniz zaman "bunu Python xətti ilə təmsil edin" deyin. Kodun özü həm hesabı yoxlayır, həm də onu işə salıb təsdiqləməyə imkan verir. Əgər kodu görmürsünüzsə, nömrəyə etibar etməyin.
Kimyada tipik məlumatların təhlili tapşırıqları
- Stokiometriya: mol, kütlə, məhdudlaşdırıcı reagent, nəzəri məhsuldarlıq, faiz məhsuldarlığının hesablanması.
- Konsentrasiya: molyarlıq, seyreltmə (M1V1 = M2V2), ppm çevrilmələri.
- Kalibrləmə: Beer-Lambert qanunu ilə kalibrləmə xəttinin çəkilməsi (udma ∝ konsentrasiyası) və naməlumun hesablanması.
- Məlumatların təmizlənməsi: pandalarla ölçmə cədvəllərinin oxunması, kənar göstəricilərin işarələnməsi, orta/standart sapma.
- Vizuallaşdırma: rəsm kalibrləmə əyrisi, kinetik qrafik, titrləmə əyrisi.
Addım-addım: AI ilə təhlükəsiz məlumat təhlili
- Verilənləri müəyyənləşdirin: Sütunları, vahidləri, nümunə sətirləri aydın şəkildə verin. Vahid yoxdursa, AI fərziyyələr edir.
- Nəticələri yox, kod tələb edin: "Bunu hesablayan pandalar/NumPy kodunu yazın" deyin.
- Kodu işlədin: Onu özünüz və ya kodu işlədə bilən mühitdə işlədin.
- Sadə halda test edin: Cavabı bildiyiniz kiçik bir nümunə ilə kodu sınayın.
- Vahid və sifariş yoxlanışı: Nəticənin vahidi və böyüklüyü fiziki cəhətdən ağlabatandırmı?
- Sənəd: Kodu və çıxışı təcrübə dəftərinə əlavə edin (vahid 8).
Dörd kopyalana bilən şablon
1) Stokiometriya və faiz gəliri:
Reaksiya: salisilik turşu (MA 138,12) + sirkə anhidrid -> aspirin (MA 180,16). Məlumat: 2,00 q salisilik turşu istifadə edilib, sirkə anhidrid artıq olub. Alınan aspirin: 2,15 q. Tapşırıq: Faiz və səmərəni hesablayan piton kodunu yazın. çəkiləri dəyişənlər kimi, nəticəni vahidlərlə çap edin. Başla hesablamayın; sadəcə icra edilə bilən kodu verin.
2) Pivə-Lambert kalibrləmə:
Kalibrləmə məlumatları (konsentrasiya mol/L -> absorbans): 0,00->0,02, 0,02->0,21, 0,04->0,40, 0,06->0,62, 0,08->0,79. Naməlum nümunənin udulması: 0,50. Tapşırıq: numpy.polyfit, yamac/kesmə ilə xətti kalibrləmə aparın və R^2-ni hesablayın, naməlum konsentrasiyanı tapın. Matplotlib ilə data + uyğun xəttini tərtib edin.
3) pandalarla ölçü cədvəli:
Məndə CSV var: sütunlar = nümunə, weigh_g, volume_mL, absorbans. Tapşırıq: pandalarla oxuyun, hər bir nümunə üçün konsentrasiyanı (q/L) hesablayın, udma qabiliyyəti < 0 olan cərgələri səhv kimi qeyd edin, qrupların orta və std sapmasını çap etmək üçün kod verin. Şərh xətti ilə vahidləri göstərin.
4) Seyreltmə hesabının yoxlanılması:
0,5 M ehtiyat məhlulundan 100 ml 0,05 M məhlul hazırlamaq istəyirəm. Tapşırıq: M1V1=M2V2 ilə tələb olunan ehtiyat həcmini hesablayan Python xəttini yazın. Nəticəni ml-də çap edin və məntiqi yoxlama üçün 10 qat qatılmanın gözlənildiyini şərh kimi yoxlayın.
Zəif məlumat / Güclü göstəriş
Zəif:
2 qram salisilik turşudan nə qədər aspirin alınır?
AI başdan bir nömrə verir; Molekulyar çəkiləri səhv xatırlayırsa, nəticə təhrif ediləcək və necə hesablandığı görünməyəcəkdir.
Güclü:
Fərz edək ki, salisilik turşu MA=138,12, aspirin MA=180,16, kütləsi=2,00 q, məhsuldarlıq 100%. Tapşırıq: Aspirinin nəzəri kütləsini hesablayan Python kodunu yazın; hər addımı şərh edin (mol -> mol -> kütlə), nəticəni g hərfində çap edin.
Fərq: verilmiş molekulyar çəkilər, tələb olunan kod, şərh edilən addımlar, vahid göstərilmişdir. Nəticə həm dəqiq, həm də yoxlanıla bilir.
Şifahi proqnozlaşdırma və s. icra olunan kod
Ölçü
Dil modeli şifahi proqnozlaşdırma
Python qaçışı
Arifmetik dəqiqlik
Dəyişən, xəta baş verə bilər
Determinist, müəyyən
Audit qabiliyyəti
Düşük (necə çıxdığı bəlli deyil)
Yüksək (kod görünür)
təkrarlanma qabiliyyəti
aşağı
yüksək
Vahid izləmə
zəif
Kodda açıq saxlanıla bilər
Düzgün istifadə
İdeya, tikinti quruluşu
Son rəqəmsal nəticə
mini hallar
1-ci hal — Şifahi hesab xətası. Tələbə AI-dən “0,0145 mol × 180,16 q/mol?” deyə soruşur. soruşdu; "2.72 g" dedi AI. Əslində 2,61 qramdır. Tələbə "bunu Python-da göstər" dedikdə YZ 0,0145 * 180,16 yazdı və 2,612 çıxdı; İlk şifahi cavab düzgün deyildi. Dərs: hətta çox sadə vurma üçün kodlara üstünlük verin.
Case 2 — R² kalibrləmə yoxlanışı. Bir istifadəçi Beer-Lambert kalibrləməsini həyata keçirdi; Belə çıxır ki, R² = 0,981. AI "xətti, etibarlı" dedi, lakin ən yüksək konsentrasiyada nöqtə xəttin (doyma) altında idi. İstifadəçi qrafiki görəndə o, xətti diapazondan ən yüksək nöqtəni çıxardı, R² 0,999-a yüksəldi. Dərs: Tək R² kifayət deyil; qalıqlara/süjetə baxın.
3-cü hal - Vahid çaşqınlığı. Bir analizdə konsentrasiyanın mq/L və ya q/l olduğu aydın deyildi; AI g/L qəbul etdi və nəticələr 1000 dəfə səhv idi. İstifadəçi açıq şəkildə sütun vahidini göstərdikdə düzəldi. Dərs: süni intellektin baha olduğunu nəzərə alaraq həmişə vahidi dəyişdirin.
Ümumi səhvlər
- Şifahi nömrəyə əsaslanaraq. Mental hesab etməkdənsə, həmişə kodu tələb edin və işlədin.
- Vahid göstərilmir. mg/L-nin g/L, ml-nin L ilə qarışdırılması 1000 dəfə xətaya səbəb olur.
- Kodu sınaqdan keçirmir. Cavabın bilindiyi kiçik bir nümunə ilə test etmədən böyük verilənlərə müraciət.
- R²-nin yeganə meyar kimi nəzərə alınması. Qrafik olaraq görmədən qeyri-xətti nöqtələrə etibar etmək.
- Test reagentini atlayın. Stokiometriyada məhdudlaşdırıcı reagent təyin etmədən nəzəri məhsuldarlığın hesablanması.
- Əhəmiyyətli addım tökülür. Ölçmə 3 əhəmiyyətli rəqəm olduqda nəticəni 8 rəqəmə bildirmək.
Diqqət: Hətta AI-nin yazdığı kod da səhv ola bilər (yanlış sütun adı, səhv düstur). Kodun işlədilməsi nəticəni deterministik edir, lakin kodun düzgün olanı hesabladığını məlum nümunə ilə təsdiq etməlisiniz.
Xülasə
- Rəqəmsal nəticələri dil modelinin şifahi təxmininə deyil, icra edilmiş Python koduna buraxın.
- Süni intellekt stexiometriya, kalibrləmə, məlumatların təmizlənməsi və kimyəvi məlumatların təhlilində vizuallaşdırma üçün tez kod yazır.
- Həmişə vahidləri taxın; Vahid qarışıqlığı ən bahalı səhvdir.
- Kalibrləmə zamanı R²-ə əlavə olaraq qalıqları və qrafiki yoxlayın.
- Məlum cavabı olan sadə bir nümunə ilə kodu sınayın; İnsan kodun düzgünlüyünü yoxlayır.
Tətbiq tapşırığı
Kalibrləmə və ya stokiometriya məlumat dəstinə sahib olun (əgər yoxsa, yuxarıdakı Beer-Lambert məlumatlarından istifadə edin). Təhlil edən Python kodu üçün AI-dan soruşun (nəticə deyil, kod). Kodu işə salın; sonra məlum cavabların kiçik bir nümunəsi ilə sınaqdan keçirin. Eyni hesablama üçün AI-dən şifahi olaraq soruşun və iki nəticəni müqayisə edin: fərq varmı? R² sahəsini və kalibrləmədə qalıqları şərh edin. Kodu, çıxışı və qısa şərhi sənədə qoyun.
yoxlama siyahısı
- [ ] Mən ədədi nəticələri şifahi təxmindən deyil, koddan alıram.
- [ ] Mən hər bir məlumat sütununun vahidini aydın şəkildə göstərirəm.
- [ ] Mən kodu cavabı məlum olan kiçik bir nümunə ilə test edirəm.
- [ ] Mən kalibrləmədə R²-nin yanında qalıq/qrafik analizi həyata keçirirəm.
- [ ] Stokiometriyada məhdudlaşdırıcı reagenti təyin edirəm.
- [ ] Mən nəticələri müvafiq əhəmiyyətli rəqəmlə bildirirəm.