이득:
- 언어 모델을 구두로 추측하는 대신 실행된 Python 코드에 대한 수치 결과를 기반으로 하는 기능
- 화학양론, 교정 및 데이터 정리 코드를 인공 지능에 작성하고 알려진 답변이 있는 샘플로 테스트하는 기능
- 항상 단위를 지정하고 순서를 확인하여 데이터 분석 오류를 방지하는 기능
화학은 무게, 부피, 흡광도 값, 수율, 농도 등 숫자로 가득 차 있습니다. 이 데이터를 수동으로 처리하는 것은 느리고 오류가 발생하기 쉽습니다. 여기서 AI는 두 가지 주요 서비스를 제공합니다. (1) 데이터를 처리하는 Python 코드를 작성하고, (2) 해당 코드를 실행하고(코드를 실행할 수 있는 환경에서) 결정적인 결과를 제공합니다. 중요한 원칙은 언어 모델의 "언어적 예측"이 아니라 실행된 코드의 출력에 계산을 맡기는 것입니다. 언어 모델 "142 × 0.05란 무엇입니까?" 때때로 질문에 부정확하게 대답할 수도 있습니다. 하지만 그가 작성한 Python 줄은 항상 올바르게 계산됩니다. 본 단원에서는 이러한 철학을 바탕으로 AI를 활용한 화학 데이터 분석을 배워보겠습니다.
코드가 구두 추측보다 나은 이유는 무엇입니까?
언어 모델은 "가능한 결과를 예측"하여 산술을 수행합니다. 그래서 큰 수나 다단계 미적분학에서는 틀릴 수 있습니다. 반면 Python에서는 142 * 0.05 표현식이 결정적입니다. 즉, 항상 7.1을 반환합니다. 따라서 전략: AI가 계산을 하게 하지 말고, 계산 코드를 인쇄하고 코드를 실행하세요. 그래서 AI의 창의성을 활용하고(코드 구축), 신뢰할 수 없는 측면(헤드 연산)을 비활성화합니다.
팁: AI로부터 수치 결과를 받으면 "이것을 Python 한 줄로 표현해 보세요."라고 말하세요. 코드 자체는 계정을 확인하고 계정을 실행하고 확인할 수 있도록 해줍니다. 코드가 표시되지 않으면 번호를 신뢰하지 마세요.
화학 분야의 일반적인 데이터 분석 작업
- 화학양론: 몰, 질량, 제한 시약, 이론적 수율, 백분율 수율 계산.
- 농도: 몰농도, 희석(M1V1 = M2V2),ppm 변환.
- 교정: Beer-Lambert 법칙(흡광도 ∝ 농도)을 사용하여 교정 선을 그리고 미지수를 계산합니다.
- 데이터 정리: 팬더로 측정 테이블 읽기, 이상치 표시, 평균/표준 편차.
- 시각화: 보정 곡선 그리기, 동역학 그래프, 적정 곡선.
단계별: AI를 통한 안전한 데이터 분석
- 데이터 정의: 열, 단위, 샘플 행을 명확하게 제공합니다. 단위가 없으면 AI가 가정을 합니다.
- 결과가 아니라 코드를 요청하세요. "이것을 계산하는 pandas/NumPy 코드 작성"이라고 말합니다.
- 코드 실행: 직접 실행하거나 코드를 실행할 수 있는 환경에서 실행합니다.
- 간단한 사례로 테스트: 답을 알고 있는 작은 예제를 사용하여 코드를 테스트합니다.
- 단위 및 순서 확인: 결과의 단위와 크기가 물리적으로 합리적인가?
- 문서: 실험 노트(단원 8)에 코드와 출력을 추가합니다.
복사 가능한 템플릿 4개
1) 화학량론 및 수율%:
반응: 살리실산(MA 138.12) + 아세트산 무수물 -> 아스피린(MA 180.16). 데이터: 살리실산 2.00g을 사용했고, 무수 아세트산이 과량이었습니다. 얻은 아스피린: 2.15g. 과제: 이론적 수율과 백분율 수율을 계산하는 Python 코드를 작성합니다. 분자량을 변수로 정의하고, 결과를 단위로 인쇄합니다. 머리로 계산하지 마세요. 실행 가능한 코드를 제공하면 됩니다.
2) 비어-램버트 교정:
교정 데이터(농도 mol/L -> 흡광도): 0.00->0.02, 0.02->0.21, 0.04->0.40, 0.06->0.62, 0.08->0.79. 알 수 없는 샘플 흡광도: 0.50. 작업: numpy.polyfit, 기울기/절편으로 선형 교정을 수행하고 R^2를 계산하여 미지의 농도를 찾습니다. matplotlib를 사용하여 데이터 + 맞춤 선을 그립니다.
3) 팬더를 사용한 측정 차트:
CSV가 있습니다: 열 = 샘플, 무게_g, 부피_mL, 흡광도. 작업: 팬더로 읽고, 각 샘플의 농도(g/L)를 계산하고, 흡광도가 < 0인 행을 잘못된 것으로 표시하고, 그룹의 평균 및 표준 편차를 인쇄하는 코드를 제공합니다. 설명 줄을 사용하여 단위를 지정합니다.
4) 희석계좌 확인 :
0.5M 스톡 용액에서 0.05M 용액 100mL를 준비하고 싶습니다. 작업: M1V1=M2V2로 필요한 재고량을 계산하는 Python 줄을 작성하세요. 결과를 mL로 인쇄하고 논리 확인을 위해 10배 희석이 예상된다는 설명을 확인합니다.
약한 프롬프트 / 강한 프롬프트
약함:
살리실산 2g에서 아스피린이 얼마나 나오나요?
AI는 머리에서 숫자를 제공합니다. 분자량을 잘못 기억하면 결과가 왜곡되어 계산 방법이 표시되지 않습니다.
강한:
살리실산 MA=138.12, 아스피린 MA=180.16, 질량=2.00g, 수율 100%로 가정합니다. 과제: 아스피린의 이론적 질량을 계산하는 Python 코드를 작성합니다. 각 단계(몰 -> 몰 -> 질량)에 주석을 달고 결과를 g로 인쇄합니다.
차이점: 주어진 분자량, 요청된 코드, 설명된 단계, 지정된 단위. 결과는 정확하고 감사 가능합니다.
구두예측 등 실행코드
크기
언어 모델 언어 예측
파이썬 실행
산술 정확도
변수, 오류가 발생할 수 있음
결정적, 확실성
감사 가능성
유산(어떻게 나왔는지 불분명)
높음(코드 표시)
반복성
낮음
높다
단위 추적
약한
코드에서 열린 상태로 유지될 수 있음
올바른 사용
아이디어, 건축구조
최종 수치 결과
미니 케이스
사례 1 - 언어적 산술 오류. 학생이 AI에게 “0.0145 mol × 180.16 g/mol?”이라고 묻습니다. 그는 물었다; AI는 “2.72g”이라고 말했다. 실제로는 2.61g입니다. 학생이 "이것을 Python으로 보여주세요"라고 말했을 때 YZ는 0.0145 * 180.16을 썼고 2,612로 나왔습니다. 첫 번째 구두 응답이 잘못되었습니다. 교훈: 아주 간단한 곱셈에도 코드를 선호하세요.
사례 2 — 교정 시 R² 확인. 한 사용자는 Beer-Lambert 교정을 완료했습니다. R² = 0.981로 나타납니다. AI는 "선형적이고 신뢰할 수 있다"고 말했지만 농도가 가장 높은 지점은 선(포화도) 아래에 있었다. 사용자가 그래프를 보았을 때 가장 높은 점이 선형 범위 밖으로 이동했으며 R²는 0.999로 증가했습니다. 교훈: R²만으로는 충분하지 않습니다. 잔차/플롯을 참조하세요.
사례 3 - 단위 혼동. 한 분석에서는 농도가 mg/L인지 g/L인지 명확하지 않았습니다. AI는 g/L로 가정했고 결과는 1000배 틀렸다. 사용자가 컬럼 단위를 명시적으로 지정하는 경우 수정되었습니다. 교훈: AI가 비싸다는 가정하에 항상 단위를 줄여보세요.
일반적인 실수
- 구두 번호에 의존합니다. 암산보다는 항상 코드를 요청하고 실행하세요.
- 단위를 지정하지 않습니다. mg/L과 g/L, mL와 L을 혼합하면 1000배 오류가 발생합니다.
- 코드를 테스트하지 않습니다. 답이 알려진 작은 예를 들어 테스트하지 않고 빅데이터에 적용합니다.
- R²를 유일한 기준으로 고려합니다. 그래픽으로 보지 않고 비선형 지점을 신뢰합니다.
- 테스터 시약을 건너뜁니다. 화학량론에서 제한 시약을 결정하지 않고 이론적 수율을 계산합니다.
- 상당한 발걸음이 쏟아지고 있습니다. 측정값이 유효숫자 3자리인 경우 결과를 8자리로 보고합니다.
주의: AI가 작성하는 코드에도 결함이 있을 수 있습니다(잘못된 열 이름, 잘못된 수식). 코드를 실행하면 결과가 결정적이게 되지만 코드가 올바른 것을 계산하는지 알려진 예를 통해 확인해야 합니다.
요약하면
- 수치 결과는 언어 모델의 언어적 추측이 아니라 실행된 Python 코드에 맡깁니다.
- AI는 화학 데이터 분석에서 화학량론, 보정, 데이터 정리 및 시각화를 위한 코드를 신속하게 작성합니다.
- 항상 장치를 켜두십시오. 단위 혼란은 가장 비용이 많이 드는 실수입니다.
- 교정에서 R² 외에 잔차와 그래프를 검토합니다.
- 답이 알려진 간단한 예제로 코드를 테스트해 보세요. 인간은 코드의 정확성을 확인합니다.
응용과제
교정 또는 화학량론 데이터 세트가 있어야 합니다(그렇지 않은 경우 위의 Beer-Lambert 데이터 사용). 분석을 수행하는 Python 코드(결과가 아닌 코드)를 AI에 요청하세요. 코드를 실행하세요. 그런 다음 알려진 답변의 작은 샘플로 테스트해 보세요. 동일한 계산을 AI에게 구두로 요청하고 두 결과를 비교하십시오. 차이가 있습니까? 교정의 R² 및 잔차 플롯을 해석합니다. 코드, 출력, 짧은 설명을 문서에 넣습니다.
체크리스트
- [ ] 구두 추측이 아닌 코드에서 수치 결과를 얻습니다.
- [ ] 각 데이터 컬럼의 단위를 명확하게 표시하였습니다.
- [ ] 답이 알려진 작은 샘플을 사용하여 코드를 테스트합니다.
- [ ] 교정 시 R² 옆에 잔차/그래프 분석을 수행합니다.
- [ ] 화학양론에서 제한 시약을 결정합니다.
- [ ] 나는 결과를 적절한 유효숫자로 보고합니다.