Υποστήριξη ερμηνείας φάσματος: NMR, IR και Φασματομετρία Μάζας — Τεχνητή Νοημοσύνη στη Χημεία (Βασική Επιστήμη)

Κέρδη:

Ικανότητα κατανόησης του τι δείχνουν τα NMR, IR και MS και χρήση τεχνητής νοημοσύνης ως ελεγκτή υποθέσεων με βάση την αναμενόμενη δομή
Δυνατότητα ελέγχου της συνέπειας της ανάθεσης παρέχοντας πλήρεις λεπτομέρειες όπως ενοποίηση, διαχωρισμό, λύτη και κατώφλι ppm
Ικανότητα κατανόησης ότι η τελική ανάθεση δομής εξαρτάται από τον χημικό που εξετάζει το πειραματικό φάσμα και ότι πολλαπλές τεχνικές πρέπει να χρησιμοποιηθούν μαζί.

Όταν συνθέτετε μια ένωση, το πραγματικό ερώτημα είναι: "Πήρα πραγματικά το μόριο που ήθελα;" Αυτό απαντάται με φασματοσκοπία. Τρεις βασικές τεχνικές: NMR (διαβάζει το μαγνητικό περιβάλλον των πυρήνων και δείχνει τη γειτονιά των ατόμων), IR (διαβάζει τη δόνηση των δεσμών στο μόριο και δείχνει λειτουργικές ομάδες) και φασματομετρία μάζας (MS) (δείχνει τη μάζα και το μοτίβο κατακερματισμού του μορίου). Το AI είναι ένας ισχυρός βοηθός στην ερμηνεία αυτών των φασμάτων: ομαδοποιεί κορυφές, προτείνει πιθανές αναθέσεις, ελέγχει τη συνέπεια. Αλλά η τελική ανάθεση δομής γίνεται από τον χημικό που βλέπει και αξιολογεί το πειραματικό φάσμα. Σε αυτή την ενότητα, θα μάθουμε να χρησιμοποιούμε την τεχνητή νοημοσύνη στην ερμηνεία του φάσματος με εποπτευόμενο τρόπο.

Τι λένε οι τρεις τεχνικές

1H NMR: Δείχνει τον αριθμό των ατόμων υδρογόνου, τους γείτονές τους (σχέδιο διάσπασης) και το χημικό περιβάλλον (τιμή μετατόπισης, ppm). Για παράδειγμα, στα ~ 7 ppm τα σήματα υποδηλώνουν αρωματικά υδρογόνα, στα ~ 2 ppm μια απλή ακετυλομάδα.
13C NMR: Δείχνει τον σκελετό άνθρακα. ο άνθρακας καρβονυλίου εμφανίζεται στα ~170-200 ppm.
IR: Υποδεικνύει λειτουργικές ομάδες. ~1700 cm-1 καρβονύλιο (C=O), ~3300 cm-1 ευρεία ζώνη Ο-Η ή Ν-Η.
MS: Η κορυφή μοριακού ιόντος (Μ+) δίνει το μοριακό βάρος, οι θραυσματισμοί δίνουν ενδείξεις δομής. Το MS υψηλής ανάλυσης (HRMS) επιβεβαιώνει τον μοριακό τύπο.

Το AI γνωρίζει καλά τα τυπικά εύρη αυτών των τιμών. Λοιπόν "Τι θα μπορούσαν να είναι τα 1710 cm-1;" Απαντά στην ερώτηση αξιόπιστα. Εκεί που είναι αδύναμο είναι να κάνετε αναθέσεις χωρίς να βλέπετε τις μικρές λεπτομέρειες του πραγματικού πειραματικού φάσματος (επικαλυπτόμενες κορυφές, σήματα ακαθαρσίας).

Συμβουλή: Δώστε μαζί το φάσμα στο AI ως "ακατέργαστα δεδομένα + αναμενόμενη δομή" και ρωτήστε "είναι αυτά τα δεδομένα συνεπή με αυτήν τη δομή;" παρακαλώ. Χρησιμοποιώντας την τεχνητή νοημοσύνη ως δοκιμαστή υποθέσεων ρωτά "τι ένωση είναι αυτό το φάσμα;" Είναι πολύ πιο αξιόπιστο από το να ζητάς από την αρχή.

Βήμα προς βήμα: Ερμηνεία φάσματος με AI

Δώστε την αναμενόμενη δομή: Δώστε τα ΧΑΜΟΓΕΛΑ της ένωσης που συνθέσατε. Αφήστε το AI να σας πει τι να περιμένετε πρώτα.
Εξαγωγή πρωτογενών δεδομένων: Εισαγάγετε λίστες κορυφών (μετατοπίσεις NMR, ενσωματώσεις, διαχωρισμοί, ζώνες υπερύθρων, τιμές MS m/z) με τακτοποιημένο τρόπο.
Κάντε μια ερώτηση συνέπειας: "Είναι αυτά τα δεδομένα συνεπή με την αναμενόμενη δομή; Ποια κορυφή αντιστοιχεί σε ποιο άτομο;"
Ψάξτε για κενά: "Υπάρχει μια κορυφή που αναμένεται αλλά δεν είναι ορατή; Υπάρχει μια απροσδόκητη κορυφή (ακαθαρσία);"
Εναλλακτικό τεστ: Εάν υπάρχει ασυνέπεια, "ποια άλλη δομή εξηγεί καλύτερα αυτά τα δεδομένα;"
Ανθρώπινη απόφαση: Επιβεβαιώνετε την τελική εργασία εξετάζοντας το πειραματικό φάσμα.

Τέσσερα πρότυπα με δυνατότητα αντιγραφής

1) Έλεγχος συνέπειας 1H NMR:

Αναμενόμενη ένωση: 4-μεθοξυακετοφαινόνη (ΧΑΜΟΓΕΛΑ: COc1ccc(cc1)C(C)=O). Λίστα κορυφών 1Η NMR (CDCl3): - 7,93 ppm (2Η, d)- 6,93 ppm (2Η, d)- 3,87 ppm (3Η, ppm (3H, ppm, ppm, 3H, 6) s)Εργασία:1) Κάθε κορυφή εκχωρείται σε μια ομάδα υδρογόνου ata.2) Είναι ο συνολικός αριθμός H και η ολοκλήρωση συνεπείς;3) Υπάρχουν κάποιες αιχμές που λείπουν/απροσδόκητες; Η τελική απόφαση εξαρτάται από εμένα. Κάντε την ανάλυση της συνέπειας σας.

2) Λειτουργική ομάδα IR:

IR (cm^-1) σημαντικές ζώνες: 1675, 1600, 1258, 2840. Η αναμενόμενη ένωση περιέχει μια αρωματική κετόνη και μια μεθοξυ ομάδα. Εργασία: Αντιστοιχίστε κάθε ζώνη σε έναν πιθανό δεσμό/ομάδα. Εξηγήστε γιατί 1675 cm^-1 και όχι 1715 (φαινόμενο σύζευξης;).

3) Επαλήθευση τύπου MS:

[Μ+Η]+ = 151,0754 μετρημένο με HRMS. Αναμενόμενη ένωση: 4-μεθοξυακετοφαινόνη (C9H10O2). Εργασία: Υπολογίστε τη θεωρητική μάζα του [M+H]+ για το C9H10O2, βρείτε τη διαφορά σε ppm με τη μετρούμενη, σχολιάστε εάν είναι συνεπής. Σημείωση: Θα ελέγξω και τις ακριβείς μονοϊσοτοπικές μάζες.

4) Πολυτεχνική που συνδυάζει:

Τα ακόλουθα τρία δεδομένα ανήκουν σε μια ένωση:- IR: πλάτος 3300 cm^-1, 1710 cm^-1.- 1H NMR: 12 ppm πλάτος 1Η, 2,4 ppm 2H t, ...- MS: M+ = 88. Εργασία: Αξιολογήστε αυτά τα τρία δεδομένα μαζί και προτείνετε μια πιθανή δομή. Γράψτε χωριστά ποιο δομικό χαρακτηριστικό υποστηρίζει κάθε στοιχείο. Καταγράψτε τις εναλλακτικές δομές και εξηγήστε γιατί τις καταργήσατε.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμο:

Τι είναι αυτό το NMR; Υπάρχουν κορυφές στα 7,9 και 3,9 ppm.

Χωρίς πλαίσιο (διαλύτης, ολοκλήρωση, διάσπαση, αναμενόμενη δομή). Το AI προβλέπει τυχαία μια ένωση.

Δυνατό:

Αναμενόμενη ένωση: παράγωγο ανισόλης. 1Η NMR (CDCl3): 7,93 (2Η, d), 6,93 (2Η, d), 3,87 (3Η, s), 2,56 (3Η, s). Εργασία: Ελέγξτε τη συνοχή των κορυφών με αυτή τη δομή, απορρίψτε κάθε κορυφή, προτείνετε μια εναλλακτική δομή εάν υπάρχει ασυνέπεια.

Η διαφορά: αναμενόμενη δομή, πλήρης λίστα κορυφών (ολοκλήρωση + διάσπαση + διαλύτης) και μια εργασία σαφής συνέπειας. Η τεχνητή νοημοσύνη δοκιμάζει τώρα υποθέσεις, δεν κάνει προβλέψεις.

Σύγκριση τεχνικών

τεχνική

Τι δείχνει

Είναι ισχυρή η υποστήριξη AI;

σημείο επαλήθευσης

1Η NMR

Αριθμός H, γειτονιά, περιβάλλον

Ισχυρή (ανάθεση, ενσωμάτωση)

Άθροισμα ολοκλήρωσης = αριθμός μορίων H

13C NMR

σκελετό άνθρακα

Ισχυρό (διαστήματα ολίσθησης)

Ο αριθμός των ανθράκων πρέπει να ταιριάζει

Λειτουργικές ομάδες

Δυνατό (ανάθεση μπάντας)

Ζώνες καρβονυλίου, ΟΗ/ΝΗ

MS/HRMS

Μάζα, φόρμουλα

Μέτριο-ισχυρό (υπολογισμός τύπου)

Θεωρητική μάζα σε ppm

μίνι θήκες

Περίπτωση 1 — Ημιτελής σύλληψη κορυφής. Ένας μαθητής έλεγξε το 1H NMR του προϊόντος του με AI. Ο YZ παρατήρησε ότι μια κορυφή ΟΗ που υποτίθεται ότι ήταν στην αναμενόμενη δομή δεν ήταν στη λίστα και είπε "θα μπορούσε να είναι ένα πρωτόνιο που είναι ανταλλάξιμο ή το προϊόν είναι λάθος". Ο μαθητής έκανε δοκιμή ανακίνησης D2O, το OH ήταν πράγματι παρόν αλλά επικαλυπτόταν. Η προειδοποίηση "αιχμής που λείπει" του AI προκάλεσε τη σωστή ερώτηση.

Περίπτωση 2 — Λανθασμένη διόρθωση ανάθεσης. Ο ΥΖ αρχικά έδωσε ένα μονό σε 2,1 ppm στη μεθυλκετόνη. αλλά η ενσωμάτωση ήταν 2Η αντί για 3Η. Ο χρήστης το δήλωσε αυτό, το AI ενημέρωσε την ανάθεση σε μια ομάδα CH2. Μάθημα: κάντε την ενσωμάτωση ξεκάθαρη στην τεχνητή νοημοσύνη, διαφορετικά θα την κάνει λάθος.

Περίπτωση 3 — Σφάλμα HRMS ppm. Αναμενόταν μια ένωση C10H12O2 ([Μ+Η]+ θεωρητικό 165,0910). Μετρήθηκε 165,0912; Η διαφορά 1,2 ppm είναι αποδεκτή (<5 ppm). Το AI έκανε αυτόν τον υπολογισμό, αλλά ο χρήστης έλεγξε επίσης τις μονοϊσοτοπικές μάζες με ένα ανεξάρτητο εργαλείο. αξίες επικαλύπτονται. Μάθημα: Κάντε επικύρωση τύπου MS με όριο ppm, μην λέτε "κλείνω" με τα μάτια.

Συνήθη λάθη

Ζητώντας χωρίς να δίνεται η αναμενόμενη δομή. Ο εξαναγκασμός της τεχνητής νοημοσύνης να μαντέψει από την αρχή αυξάνει το ποσοστό σφάλματος. Δοκιμάστε την υπόθεση.
Παράλειψη ενσωμάτωσης/διάσπασης. Χωρίς αυτές τις πληροφορίες στο NMR, η ανάθεση είναι αναξιόπιστη.
Ξεχνώντας την κορυφή του διαλύτη. Εκχώρηση σημάτων διαλύτη όπως CDCl3 ~ 7,26 ppm, DMSO ~ 2,50 ppm στην ένωση.
Αγνοώντας το μοτίβο ισοτόπων στη ΣΚΠ. Σε ενώσεις που περιέχουν χλώριο/βρώμιο, το σχέδιο Μ+2 δίνει πληροφορίες για τη δομή.
Βασιζόμενοι σε μια ενιαία τεχνική. Λαμβάνοντας υπόψη τα NMR, IR και MS μαζί είναι πολύ πιο εύρωστο από το να βασίζεσαι σε καθένα μόνο.
Να εγκρίνει το πειραματικό φάσμα χωρίς να το βλέπει. Το AI ερμηνεύει τη λίστα αιχμής. Κάποιος πρέπει να εξετάσει το πραγματικό φάσμα για λεπτομέρειες όπως επικάλυψη, ακαθαρσίες κ.λπ.

Προσοχή: Ακριβώς επειδή η τεχνητή νοημοσύνη λέει "συνεπής" στην ερμηνεία του φάσματος δεν σημαίνει ότι η δομή είναι απολύτως σωστή. σημαίνει απλώς «αυτά τα δεδομένα δεν αποκλείουν αυτή τη δομή». Η ακριβής ανάθεση απαιτεί πολλαπλές τεχνικές και ανθρώπινη κρίση.

Συνοπτικά

Το NMR δείχνει γειτονιά, το IR υποδεικνύει λειτουργική ομάδα, το MS υποδεικνύει μάζα/τύπο. Είναι ισχυρά όταν χρησιμοποιούνται μαζί.
Χρησιμοποιήστε την τεχνητή νοημοσύνη ως ελεγκτή υποθέσεων: δώστε την αναμενόμενη δομή + ακατέργαστα δεδομένα και ζητήστε συνέπεια.
Εισαγάγετε πλήρεις λεπτομέρειες όπως ολοκλήρωση, διαχωρισμό, όριο διαλύτη και ppm.
Εκτελέστε επικύρωση τύπου HRMS με αριθμητικό όριο ppm. Μην παραμελείτε το μοτίβο ισοτόπων MS.
Η τελική ανάθεση δομής εξαρτάται από τον χημικό που εξετάζει το πειραματικό φάσμα.

Εργασία εφαρμογής

Λάβετε πραγματικά δεδομένα NMR, IR και MS μιας ένωσης που συνθέσατε (ή ανακτήσατε από ένα άρθρο της βιβλιογραφίας). Δώστε πρώτα τα AI smiles και ρωτήστε "τι να περιμένω;" ', μετά δώστε τα ακατέργαστα δεδομένα και ελέγξτε τη συνοχή τους. Προσπαθήστε να βρείτε μία σωστή και μία λανθασμένη/ελλιπή ανάθεση του AI σε κάθε τεχνική. Υπολογίστε τη θεωρητική και τη μετρούμενη διαφορά μάζας σε ppm για το HRMS. Σχεδιάστε τα ευρήματα σε έναν πίνακα.

λίστα ελέγχου

[ ] Ξέρω τι δείχνουν τα NMR, IR και MS.
[ ] Δίνω την αναμενόμενη δομή στο AI και δοκιμάζω την υπόθεση.
[ ] Μπαίνω πλήρως στη λίστα ολοκλήρωσης, διαχωρισμού, διαλυτών και κορυφών.
[ ] Κάνω την επαλήθευση HRMS αριθμητική με όριο ppm.
[ ] Αξιολογώ πολλές τεχνικές μαζί.
[ ] Επιβεβαιώνω την τελική ανάθεση εξετάζοντας το πειραματικό φάσμα.