利益:
- NMR、IR、MS が示す内容を理解し、予想される構造に基づいて仮説検証者として人工知能を使用する能力
- 統合、分割、ソルバー、ppm しきい値などの完全な詳細を提供することで、割り当ての一貫性をチェックする機能
- 最終的な構造の割り当ては実験スペクトルを調べる化学者に委ねられており、複数の手法を併用する必要があることを理解する能力。
化合物を合成するときの本当の疑問は、「本当に望んでいた分子が得られたのか?」ということです。これは分光法によって答えられます。 3 つの基本技術: NMR (原子核の磁気環境を読み取り、原子の近傍を表示)、IR (分子内の結合の振動を読み取り、官能基を表示)、および質量分析 (MS) (分子の質量と断片化パターンを表示)。 AI は、これらのスペクトルを解釈する強力なアシスタントです。ピークをグループ化し、可能な割り当てを提案し、一貫性をチェックします。しかし、最終的な構造の割り当ては、実験スペクトルを見て評価する化学者によって行われます。この単元では、教師ありのスペクトル解釈で AI を使用する方法を学びます。
3 つのテクニックが語ること
- 1H NMR: 水素原子の数、その隣接原子 (開裂パターン)、および化学的環境 (シフト値、ppm) を示します。たとえば、約 7 ppm ではシグナルは芳香族水素を示唆し、約 2 ppm では一重項アセチル基を示唆します。
- 13C NMR: 炭素骨格を示します。カルボニル炭素は約 170 ～ 200 ppm に現れます。
- IR: 官能基を示します。 ~1700 cm-1 カルボニル (C=O)、~3300 cm-1 広帯域 O-H または NH。
- MS: 分子イオンのピーク (M+) は分子量を示し、断片化は構造の手がかりを与えます。高分解能 MS (HRMS) により分子式を確認します。
AI はこれらの値の一般的な範囲をよく知っています。では、「1710 cm⁻¹ とは何でしょうか?」質問に確実に答えてくれます。弱点は、実際の実験スペクトル (重複するピーク、不純物信号) の詳細を確認せずに割り当てを行うことです。
ヒント: スペクトルを「生データ + 予想される構造」として一緒に AI に与え、「このデータはこの構造と一致していますか?」と尋ねます。聞く。 AI を仮説検証者として使用すると、「このスペクトルは何の化合物ですか?」と尋ねられます。最初から質問するよりもはるかに信頼性が高くなります。
ステップバイステップ: AI によるスペクトル解釈
- 予想される構造を入力してください。合成した化合物の SMILES を入力してください。 AI に最初に何を期待するかを教えてもらいましょう。
- 生データのエクスポート: ピーク リスト (NMR シフト、積分、分割、IR バンド、MS m/z 値) を順序立てて入力します。
- 一貫性について質問します。「これらのデータは予想される構造と一致していますか? どのピークがどの原子に対応していますか?」
- ギャップを探します: 「予期されているが表示されていないピークはありますか? 予期しないピーク (不純物) はありませんか?」
- 代替テスト: 矛盾がある場合は、「このデータをよりよく説明する他の構造は何ですか?」
- 人間による決定: 実験スペクトルを調べることで最終的な割り当てを確認します。
コピー可能な 4 つのテンプレート
1) 1H NMR 整合性チェック:
予想される化合物: 4-メトキシアセトフェノン (SMILES: COc1ccc(cc1)C(C)=O).1H NMR (CDCl3) ピーク リスト:- 7.93 ppm (2H, d)- 6.93 ppm (2H, d)- 3.87 ppm (3H, s)- 2.56 ppm (3H, s)タスク:1) 各ピークは、水素グループ ata.2) 総 H 数と積分は一致していますか?3) 欠落または予期しないピークはありますか?最終的な決定は私次第です。一貫性を分析してください。
2) IR官能基:
IR (cm^-1) の有意なバンド: 1675、1600、1258、2840。予想される化合物には芳香族ケトンとメトキシ基が含まれています。タスク: 各バンドを可能な結合/グループに割り当てます。なぜ 1715 ではなく 1675 cm^-1 なのか説明してください (共役効果?)。
3) MS 式の検証:
[M+H]+ = 151.0754 (HRMS による測定)。予想される化合物: 4-メトキシアセトフェノン (C9H10O2)。タスク: C9H10O2 の [M+H]+ の理論上の質量を計算し、測定された質量との差を ppm で求め、それが一致しているかどうかコメントします。注: 正確な単同位体の質量も確認します。
4) 複数のテクニックを組み合わせる:
次の 3 つのデータは化合物に属します:- IR: 幅 3300 cm^-1、1710 cm^-1。- 1H NMR: 幅 12 ppm 1H、2.4 ppm 2H t、...- MS: M+ = 88。タスク: これら 3 つのデータを一緒に評価し、考えられる構造を示唆します。各証拠がどのような構造的特徴をサポートしているかを個別に記述します。代替構造を列挙し、それらを削除した理由を説明します。
弱いプロンプト / 強いプロンプト
弱い：
このNMRとは何でしょうか？ 7.9 ppm と 3.9 ppm にピークがあります。
コンテキスト (溶媒、統合、切断、予想される構造) がありません。 AI がランダムに化合物を予測します。
強い：
期待化合物：アニソール誘導体。 １Ｈ ＮＭＲ（ＣＤＣｌ３）：７．９３（２Ｈ、ｄ）、６．９３（２Ｈ、ｄ）、３．８７（３Ｈ、ｓ）、２．５６（３Ｈ、ｓ）。タスク: この構造とピークの一貫性を確認し、各ピークを破棄し、矛盾がある場合は代替構造を提案します。
違い: 予想される構造、完全なピークリスト (統合 + 切断 + 溶媒)、および明確な一貫性タスク。 AI は現在、予測を行うのではなく、仮説をテストしています。
テクニックの比較
技術的な
何を示すか
AIサポートは強力ですか？
検証ポイント
1H NMR
H番号、近隣、環境
強い（割り当て、統合）
積分和 = 分子数 H
13C NMR
炭素骨格
パワフル（スリップインターバル）
炭素数は一致する必要があります
IR
官能基
強い（バンド割り当て）
カルボニル、OH/NH バンド
MS/HRMS
質量、計算式
中強（数式計算）
理論上の質量 (ppm)
ミニケース
ケース 1 — 不完全なピークキャプチャ。学生が自分の製品の 1H NMR を AI でチェックしました。 YZは、予想される構造にあるはずのOHピークがリストにないことに気づき、「それは交換可能なプロトンであるか、生成物が間違っている可能性がある」と述べた。学生が D2O シェイクテストを行ったところ、OH は確かに存在していましたが、重なっていました。 AI の「ピークの欠落」警告により、正しい質問が投げかけられました。
ケース 2 — 不正な割り当ての修正。 YZ は当初、2.1 ppm の一重項をメチルケトンに割り当てました。ただし、統合は 3 時間ではなく 2 時間でした。ユーザーがこれを述べた場合、AI は CH2 グループへの割り当てを更新しました。教訓: 統合を AI に対して明確にしないと、AI が誤った結果を招くことになります。
ケース 3 — HRMS ppm エラー。化合物 C10H12O2 が予想されました ([M+H]+ 理論値 165.0910)。測定値は165.0912。差が 1.2 ppm であれば許容されます (<5 ppm)。この計算は AI が行いましたが、ユーザーは独立したツールを使用して単同位体の質量もチェックしました。価値観が重なった。教訓: ppm しきい値を使用して MS 式の検証を行う。目で見て「近い」とは言わない。
よくある間違い
- 期待される構造を示さずに質問する。 AI にゼロからの推測を強制すると、エラー率が増加します。仮説をテストします。
- 統合/切断をスキップします。 NMR にこの情報がないと、割り当ては信頼できません。
- 溶媒のピークを忘れます。 CDCl3 ～ 7.26 ppm、DMSO ～ 2.50 ppm などの溶媒シグナルを化合物に割り当てます。
- MS の同位体パターンを無視します。塩素/臭素を含む化合物では、M+2 パターンから構造に関する情報が得られます。
- たった一つのテクニックに頼る。 NMR、IR、MS を組み合わせて検討することは、いずれか単独に依存するよりもはるかに堅牢です。
- 実験スペクトルを見ずに承認すること。 AI がピークリストを解釈します。重複や不純物などの詳細については、実際のスペクトルを確認する必要があります。
注意: AI がスペクトル解釈で「一貫性がある」と判断したからといって、その構造が完全に正しいことを意味するわけではありません。それは単に「このデータはこの構造を除外しない」ということを意味します。正確に割り当てるには、複数の技術と人間の判断が必要です。
要約すると
- NMR は近傍を示し、IR は官能基を示し、MS は質量/式を示します。一緒に使うと強力です。
- AI を仮説検証者として使用します。予想される構造と生データを提供し、一貫性を求めます。
- 積分、分割、溶媒、ppm しきい値などの完全な詳細を入力します。
- ppmしきい値の数値を使用してHRMS式検証を実行します。 MS 同位体パターンを無視しないでください。
- 最終的な構造の割り当ては、実験スペクトルを調べる化学者次第です。
アプリケーションタスク
合成した (または文献記事から取得した) 化合物の実際の NMR、IR、MS データを取得します。まずAIにSMILESを与えて、「何を期待すればいいですか？」と尋ねてください。 ' その後、生データを渡して整合性をチェックしてもらいます。各テクニックにおける AI の正しい割り当てを 1 つ、不正確または不完全な割り当てを 1 つ見つけてください。 HRMS の理論上の質量差と測定された質量の差を ppm で計算します。調査結果を表にプロットします。
チェックリスト
- [ ] 私は NMR、IR、MS が何を示すか知っています。
- [ ] 予想される構造をAIに与えて仮説を検証します。
- [ ] 積分、分割、溶媒、ピークのリストをすべて入力します。
- [ ] HRMS 検証を ppm 閾値で数値化します。
- [ ] 複数のテクニックをまとめて評価します。
- [ ] 実験スペクトルを調べることで最終的な割り当てを確認します。