Fitimet:
- Aftësia për të bazuar rezultatet numerike në kodin e ekzekutuar të Python në vend të supozimit verbal të modelit të gjuhës
- Aftësia për të shkruar kodin e stoikiometrisë, kalibrimit dhe pastrimit të të dhënave në inteligjencën artificiale dhe testimin e tij me mostra me përgjigje të njohura
- Aftësia për të parandaluar gabimet e analizës së të dhënave duke specifikuar gjithmonë njësitë dhe duke kontrolluar renditjen e tyre
Kimia është plot me numra: peshimet, vëllimet, vlerat e absorbimit, rendimentet, përqendrimet. Përpunimi manual i këtyre të dhënave është i ngadalshëm dhe i prirur ndaj gabimeve. AI ofron dy shërbime kryesore këtu: (1) shkruan kodin Python që përpunon të dhënat, (2) ekzekuton atë kod (në një mjedis që mund të ekzekutojë kodin) dhe jep një rezultat determinist. Parimi kritik është ky: lëreni llogaritjen në daljen e kodit të ekzekutuar, jo në "parashikimin verbal" të modelit gjuhësor. Modeli i gjuhës "Çfarë është 142 × 0.05?" ndonjëherë mund t'i përgjigjet pyetjes gabimisht; por rreshti Python që ai shkruan llogarit gjithmonë saktë. Në këtë njësi, ne do të mësojmë analizën e të dhënave kimike me AI me këtë filozofi.
Pse kodi është më i mirë se hamendja verbale?
Një model gjuhësor bën aritmetikë duke "parashikuar rezultatin e mundshëm"; kështu që mund të jetë e gabuar me numra të mëdhenj ose llogaritje me shumë hapa. Ndërsa në Python shprehja 142 * 0.05 është përcaktuese: gjithmonë kthen 7.1. Pra, strategjia: mos e detyroni AI të bëjë llogaritjen, printoni KODI i llogaritjes dhe ekzekutoni kodin. Kështu që ju përdorni kreativitetin e AI (ndërtimi i kodit) dhe çaktivizoni anën jo të besueshme (aritmetikën e kokës).
Këshillë: Kur merrni një rezultat numerik nga një AI, thoni "përfaqësoni këtë me një linjë të Python". Vetë kodi verifikon llogarinë dhe ju lejon ta ekzekutoni dhe konfirmoni atë. Nëse nuk shihni një kod, mos i besoni numrit.
Detyra tipike të analizës së të dhënave në kimi
- Stoikiometria: moli, masa, reagenti kufizues, rendimenti teorik, llogaritja e përqindjes së rendimentit.
- Përqendrimi: molariteti, hollimi (M1V1 = M2V2), konvertimet ppm.
- Kalibrimi: Vizatimi i një linje kalibrimi me ligjin Beer-Lambert (përqendrimi i përthithjes ∝) dhe llogaritja e të panjohurës.
- Pastrimi i të dhënave: leximi i tabelave matëse me panda, shënjimi i shenjave të jashtme, devijimi mesatar/standard.
- Vizualizimi: vizatimi i kurbës së kalibrimit, grafiku i kinetikës, kurba e titrimit.
Hap pas hapi: Analiza e sigurt e të dhënave me AI
- Përcaktoni të dhënat: Jepni qartë kolonat, njësitë, rreshtat e mostrës. Nëse nuk ka njësi, AI bën supozime.
- Kërkoni kod, jo rezultate: thoni "Shkruani kodin panda/NumPy që e llogarit këtë".
- Ekzekutoni kodin: Ekzekutoni vetë ose në një mjedis që mund të ekzekutojë kodin.
- Test me rast të thjeshtë: Testoni kodin me një shembull të vogël ku e dini përgjigjen.
- Kontrolli i njësisë dhe rendit: A janë fizikisht të arsyeshme njësia dhe madhësia e rezultatit?
- Dokumenti: Shtoni kodin dhe daljen në fletoren e eksperimentit (njësia 8).
Katër shabllone të kopjueshëm
1) Stoikiometria dhe përqindja e rendimentit:
Reagimi: acid salicilik (MA 138.12) + anhidrid acetik -> aspirinë (MA 180.16). Të dhënat: janë përdorur 2.00 g acid salicilik, anhidridi acetik ishte me tepricë. Përftohet aspirina: 2.15 g. Detyra: Shkruani kodin e Python-it që llogarit peshën molleore dhe përqindjen e rendimentit D variabla, printoni rezultatin në njësi. Mos llogaritni në kokë; thjesht jepni kodin e ekzekutueshëm.
2) Kalibrimi Beer-Lambert:
Të dhënat e kalibrimit (përqendrimi mol/L -> absorbimi): 0,00->0,02, 0,02->0,21, 0,04->0,40, 0,06->0,62, 0,08->0,79. Absorbimi i panjohur i kampionit: 0.50. Detyrë: Kryeni kalibrimin linear me numpy.polyfit, pjerrësi/prerje dhe Llogaritni R^2, gjeni përqendrimin e panjohur. Vizatoni të dhënat + linjën e përshtatjes me matplotlib.
3) grafiku i matjeve me panda:
Unë kam një CSV: kolonat = mostra, pesha_g, vëllimi_mL, absorbimi. Detyrë: lexoni me panda, llogarisni përqendrimin (g/L) për çdo mostër, shënoni rreshtat me përthithje < 0 si të pasakta, jepni kodin për të printuar devijimin mesatar dhe std të grupeve. Specifikoni njësitë me një linjë komentesh.
4) Verifikimi i llogarisë së hollimit:
Dua të përgatis 100 mL tretësirë 0,05 M nga solucion 0,5 M. Detyrë: Shkruani linjën Python që llogarit vëllimin e kërkuar të stokut me M1V1=M2V2. Shtypni rezultatin në mL dhe verifikoni si koment që pritet një hollim 10-fish për një kontroll logjik.
Prompt i dobët / Prompt i fortë
I dobët:
Sa aspirinë vjen nga 2 gram acid salicilik?
AI jep një numër nga koka; Nëse i kujton gabimisht peshat molekulare, rezultati do të shtrembërohet dhe mënyra se si është llogaritur nuk do të jetë e dukshme.
E fortë:
Supozojmë acid salicilik MA=138.12, aspirinë MA=180.16, masë=2.00 g, rendiment 100%.Detyrë: Shkruani kodin Python që llogarit masën teorike të aspirinës; komentoni çdo hap (mole -> mol -> masë), printoni rezultatin në g.
Dallimi: pesha molekulare e dhënë, kodi i kërkuar, hapat e komentuar, njësia e specifikuar. Rezultati është i saktë dhe i auditueshëm.
Parashikimi verbal etj kodi i ekzekutuar
Madhësia
Parashikimi verbal i modelit gjuhësor
Run Python
Saktësia aritmetike
E ndryshueshme, mund të ndodhë gabim
Përcaktues, i sigurt
Auditueshmëria
Aborti (është e paqartë se si doli)
Lartë (kodi i dukshëm)
përsëritshmëria
të ulëta
lartë
Ndjekja e njësisë
i dobët
Mund të mbahet i hapur në kod
Përdorimi i duhur
Ideja, struktura e ndërtimit
Rezultati numerik përfundimtar
mini raste
Rasti 1 - Gabim verbal aritmetik. Një student pyet AI "0.0145 mol × 180.16 g/mol?" ai pyeti; "2.72 g," tha AI. Në fakt është 2.61 g. Kur studenti tha "trego këtë në Python", YZ shkroi 0.0145 * 180.16 dhe doli si 2,612; Përgjigja e parë verbale ishte e pasaktë. Mësimi: preferoni kodin edhe për shumëzim shumë të thjeshtë.
Rasti 2 — Kalibrimi i kontrollit R². Një përdorues kishte bërë një kalibrim Beer-Lambert; Rezulton R² = 0,981. AI tha "lineare, e besueshme", por pika në përqendrimin më të lartë ishte nën vijën (ngopje). Kur përdoruesi pa grafikun, ai zhvendosi pikën më të lartë jashtë diapazonit linear, R² u rrit në 0,999. Mësimi: R² vetëm nuk mjafton; shih mbetjet/ngastrat.
Rasti 3 - Konfuzion i njësisë. Në një analizë ishte e paqartë nëse përqendrimi ishte mg/L apo g/L; AI supozoi g/L dhe rezultatet ishin 1000 herë të gabuara. U rregullua kur përdoruesi specifikoi në mënyrë eksplicite njësinë e kolonës. Mësimi: ndryshoni gjithmonë njësinë, duke supozuar se AI është e shtrenjtë.
Gabimet e zakonshme
- Duke u mbështetur në numrin verbal. Kërkoni gjithmonë dhe ekzekutoni kodin në vend që të bëni aritmetikë mendore.
- Duke mos specifikuar njësinë. Përzierja e mg/L me g/L, mL me L, shkakton një gabim 1000-fish.
- Nuk e teston kodin. Aplikimi në të dhëna të mëdha pa testuar me një shembull të vogël ku dihet përgjigja.
- Duke e konsideruar R² si kriterin e vetëm. Besimi në pikat jolineariteti pa i parë ato grafikisht.
- Kapërceni reagentin testues. Llogaritja e rendimentit teorik pa përcaktimin e reagentit kufizues në stoikiometri.
- Derdhje e rëndësishme hapi. Raportimi i rezultatit në 8 shifra kur matja është 3 shifra domethënëse.
Kujdes: Edhe kodi që shkruan AI mund të jetë i gabuar (emri i gabuar i kolonës, formula e gabuar). Drejtimi i kodit e bën rezultatin determinist, por duhet të konfirmoni me një shembull të njohur që kodi llogarit gjënë e duhur.
Në përmbledhje
- Lërini rezultatet numerike në kodin e ekzekutuar të Python, jo në supozimin verbal të modelit të gjuhës.
- AI shkruan shpejt kodin për stoikiometrinë, kalibrimin, pastrimin e të dhënave dhe vizualizimin në analizën e të dhënave kimike.
- Gjithmonë vendosni njësitë; Konfuzioni i njësisë është gabimi më i shtrenjtë.
- Ekzaminoni mbetjet dhe grafikun përveç R² në kalibrim.
- Testoni kodin me një shembull të thjeshtë me një përgjigje të njohur; Human verifikon saktësinë e kodit.
Detyra e aplikimit
Keni një grup të dhënash kalibrimi ose stoikiometrie (nëse jo, përdorni të dhënat e Beer-Lambert më lart). Kërkoni nga AI kodin Python që bën analizën (kodin, jo rezultatin). Ekzekutoni kodin; më pas provojeni atë me një mostër të vogël të përgjigjeve të njohura. Pyete AI me gojë për të njëjtën llogaritje dhe krahaso dy rezultatet: a ka ndonjë ndryshim? Interpretoni grafikun e R² dhe mbetjes në kalibrim. Vendos kodin, daljen dhe komentin e shkurtër në një dokument.
listë kontrolli
- [ ] Rezultatet numerike i marr nga kodi, jo nga hamendja verbale.
- [ ] Unë tregoj qartë njësinë e secilës kolonë të dhënash.
- [ ] Unë testoj kodin me një mostër të vogël, përgjigja e të cilit dihet.
- [ ] Unë kryej analiza të mbetura/grafike pranë R² në kalibrim.
- [ ] Përcaktoj reagentin kufizues në stoikiometri.
- [ ] Unë raportoj rezultatet me shifrën e duhur domethënëse.