வேதியியல் தரவு பகுப்பாய்வு மற்றும் பைதான்: பாண்டாக்கள், ஸ்டோச்சியோமெட்ரி மற்றும் அளவுத்திருத்தம்

ஆதாயங்கள்:

• மொழி மாதிரியை வாய்மொழியாக யூகிக்காமல், செயல்படுத்தப்பட்ட பைதான் குறியீட்டில் எண் முடிவுகளை அடிப்படையாகக் கொள்ளும் திறன்
• செயற்கை நுண்ணறிவுக்கு ஸ்டோச்சியோமெட்ரி, அளவுத்திருத்தம் மற்றும் தரவு சுத்திகரிப்பு குறியீட்டை எழுதும் திறன் மற்றும் தெரிந்த பதில்களுடன் மாதிரிகள் மூலம் அதை சோதிக்கும் திறன்
• எப்போதும் அலகுகளைக் குறிப்பிடுவதன் மூலமும் அவற்றின் வரிசையைச் சரிபார்ப்பதன் மூலமும் தரவு பகுப்பாய்வு பிழைகளைத் தடுக்கும் திறன்

வேதியியல் எண்கள் நிறைந்தது: எடைகள், தொகுதிகள், உறிஞ்சும் மதிப்புகள், விளைச்சல்கள், செறிவுகள். இந்தத் தரவை கைமுறையாகச் செயலாக்குவது மெதுவாகவும், பிழை ஏற்படக்கூடியதாகவும் இருக்கிறது. AI இங்கு இரண்டு முக்கிய சேவைகளை வழங்குகிறது: (1) தரவை செயலாக்கும் பைதான் குறியீட்டை எழுதுகிறது, (2) அந்த குறியீட்டை இயக்குகிறது (குறியீட்டை இயக்கக்கூடிய சூழலில்) மற்றும் ஒரு உறுதியான முடிவை அளிக்கிறது. முக்கியமான கொள்கை இதுதான்: மொழி மாதிரியின் "வாய்மொழிக் கணிப்புக்கு" அல்ல, செயல்படுத்தப்பட்ட குறியீட்டின் வெளியீட்டிற்கு கணக்கீட்டை விடுங்கள். மொழி மாதிரி "142 × 0.05 என்றால் என்ன?" சில நேரங்களில் கேள்விக்கு தவறாக பதிலளிக்கலாம்; ஆனால் அவர் எழுதும் பைதான் வரி எப்போதும் சரியாக கணக்கிடுகிறது. இந்த பிரிவில், இந்த தத்துவத்துடன் AI உடன் இரசாயன தரவு பகுப்பாய்வைக் கற்றுக்கொள்வோம்.

வாய்மொழி யூகத்தை விட குறியீடு ஏன் சிறந்தது?

ஒரு மொழி மாதிரியானது "சாத்தியமான முடிவைக் கணிப்பதன் மூலம்" எண்கணிதத்தை செய்கிறது; எனவே இது பெரிய எண்கள் அல்லது பல-படி கால்குலஸில் தவறாக இருக்கலாம். அதேசமயம் பைத்தானில் 142 * 0.05 என்ற வெளிப்பாடு உறுதியானது: அது எப்போதும் 7.1ஐத் தருகிறது. எனவே மூலோபாயம்: AI ஐ கணக்கீடு செய்ய வேண்டாம், கணக்கீட்டின் குறியீட்டை அச்சிட்டு குறியீட்டை இயக்கவும். எனவே நீங்கள் AI இன் படைப்பாற்றலைப் பயன்படுத்துகிறீர்கள் (குறியீட்டை உருவாக்குதல்) மற்றும் நம்பமுடியாத பக்கத்தை (தலை எண்கணிதம்) முடக்கவும்.

உதவிக்குறிப்பு: AI இலிருந்து எண்ணியல் முடிவைப் பெறும்போது, ​​"இதை பைத்தானின் வரியுடன் பிரதிநிதித்துவப்படுத்து" என்று கூறவும். குறியீட்டே கணக்கைச் சரிபார்த்து, அதை இயக்கவும், உறுதிப்படுத்தவும் உங்களை அனுமதிக்கிறது. நீங்கள் குறியீட்டைக் காணவில்லை என்றால், எண்ணை நம்ப வேண்டாம்.

வேதியியலில் வழக்கமான தரவு பகுப்பாய்வு பணிகள்

• ஸ்டோச்சியோமெட்ரி: மச்சம், நிறை, கட்டுப்படுத்தும் மறுஉருவாக்கம், கோட்பாட்டு விளைச்சல், சதவீத மகசூல் கணக்கீடு.
• செறிவு: மொலாரிட்டி, நீர்த்தல் (M1V1 = M2V2), பிபிஎம் மாற்றங்கள்.
• அளவுத்திருத்தம்: பீர்-லம்பேர்ட் விதி (உறிஞ்சுதல் ∝ செறிவு) மூலம் அளவுத்திருத்தக் கோட்டை வரைதல் மற்றும் தெரியாததைக் கணக்கிடுதல்.
• தரவு சுத்தம்: பாண்டாக்களுடன் அளவீட்டு அட்டவணைகளைப் படித்தல், அவுட்லையர்களைக் கொடியிடுதல், சராசரி/தரநிலை விலகல்.
• காட்சிப்படுத்தல்: வரைதல் அளவுத்திருத்த வளைவு, இயக்கவியல் வரைபடம், டைட்ரேஷன் வளைவு.

படிப்படியாக: AI உடன் பாதுகாப்பான தரவு பகுப்பாய்வு

1. தரவை வரையறுக்கவும்: நெடுவரிசைகள், அலகுகள், மாதிரி வரிசைகளை தெளிவாகக் கொடுங்கள். அலகு இல்லை என்றால், AI அனுமானங்களைச் செய்கிறது.
2. குறியீட்டைக் கேட்கவும், முடிவுகள் அல்ல: "இதைக் கணக்கிடும் pandas/NumPy குறியீட்டை எழுது" என்று கூறவும்.
3. குறியீட்டை இயக்கவும்: அதை நீங்களே அல்லது குறியீட்டை இயக்கக்கூடிய சூழலில் இயக்கவும்.
4. எளிய வழக்குடன் சோதனை: உங்களுக்கு பதில் தெரிந்த சிறிய உதாரணத்துடன் குறியீட்டை சோதிக்கவும்.
5. அலகு மற்றும் ஒழுங்கு சரிபார்ப்பு: விளைவின் அலகு மற்றும் அளவு உடல் ரீதியாக நியாயமானதா?
6. ஆவணம்: சோதனைக் குறிப்பேட்டில் குறியீடு மற்றும் வெளியீட்டைச் சேர்க்கவும் (அலகு 8).

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) ஸ்டோச்சியோமெட்ரி மற்றும் சதவீத மகசூல்:

எதிர்வினை: சாலிசிலிக் அமிலம் (MA 138.12) + அசிட்டிக் அன்ஹைட்ரைடு -> ஆஸ்பிரின் (MA 180.16). தரவு: 2.00 கிராம் சாலிசிலிக் அமிலம் பயன்படுத்தப்பட்டது, அசிட்டிக் அன்ஹைட்ரைடு அதிகமாக இருந்தது. ஆஸ்பிரின் பெறப்பட்டது: 2.15 கிராம். டாஸ்க்: பைதான் விளைச்சலைக் கணக்கிடுகிறது. மாறிகள், முடிவை அலகுகளில் அச்சிடவும். தலையில் கணக்கிட வேண்டாம்; இயங்கக்கூடிய குறியீட்டை மட்டும் கொடுங்கள்.

2) பீர்-லம்பேர்ட் அளவுத்திருத்தம்:

அளவுத்திருத்த தரவு (செறிவு mol/L -> உறிஞ்சுதல்): 0.00->0.02, 0.02->0.21, 0.04->0.40, 0.06->0.62, 0.08->0.79. அறியப்படாத மாதிரி உறிஞ்சுதல்: 0.50. பணி: numpy.polyfit, சாய்வு/இடைமறிப்பு மற்றும் R^2 ஐக் கொண்டு நேரியல் அளவுத்திருத்தத்தைச் செய்யவும், அறியப்படாத செறிவைக் கண்டறியவும். matplotlib உடன் டேட்டா + ஃபிட் லைனை வரையவும்.

3) பாண்டாக்கள் கொண்ட அளவீட்டு விளக்கப்படம்:

என்னிடம் CSV உள்ளது: நெடுவரிசைகள் = மாதிரி, எடை_கிராம், தொகுதி_எம்எல், உறிஞ்சுதல். பணி: பாண்டாக்களுடன் படிக்கவும், ஒவ்வொரு மாதிரிக்கும் செறிவு (g/L) கணக்கிடவும், உறிஞ்சுதல் <0 உள்ள வரிசைகளை தவறாகக் குறிக்கவும், குழுக்களின் சராசரி மற்றும் std விலகலை அச்சிட குறியீட்டை வழங்கவும். கருத்து வரியுடன் அலகுகளைக் குறிப்பிடவும்.

4) நீர்த்த கணக்கு சரிபார்ப்பு:

0.5 M பங்கு கரைசலில் இருந்து 100 mL 0.05 M கரைசலைத் தயாரிக்க விரும்புகிறேன். பணி: M1V1=M2V2 உடன் தேவையான பங்கு அளவைக் கணக்கிடும் பைதான் வரியை எழுதவும். முடிவை mLல் அச்சிட்டு, தர்க்கச் சரிபார்ப்பிற்கு 10 மடங்கு நீர்த்துப்போக எதிர்பார்க்கப்படுகிறது என்பதை ஒரு கருத்தாகச் சரிபார்க்கவும்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான:

2 கிராம் சாலிசிலிக் அமிலத்திலிருந்து எவ்வளவு ஆஸ்பிரின் கிடைக்கிறது?

AI தலையிலிருந்து ஒரு எண்ணைக் கொடுக்கிறது; அது மூலக்கூறு எடையை தவறாக நினைவில் வைத்திருந்தால், அதன் விளைவு சிதைந்துவிடும், அது எவ்வாறு கணக்கிடப்பட்டது என்பது தெரியவில்லை.

வலுவான:

சாலிசிலிக் அமிலம் MA=138.12, ஆஸ்பிரின் MA=180.16, நிறை=2.00 கிராம், மகசூல் 100% என்று வைத்துக்கொள்வோம். பணி: ஆஸ்பிரின் தத்துவார்த்த வெகுஜனத்தைக் கணக்கிடும் பைதான் குறியீட்டை எழுதுங்கள்; ஒவ்வொரு அடியிலும் கருத்து தெரிவிக்கவும் (மோல் -> மோல் -> நிறை), முடிவை g இல் அச்சிடவும்.

வேறுபாடு: கொடுக்கப்பட்ட மூலக்கூறு எடைகள், குறியீடு கோரப்பட்டது, படிகள் கருத்து தெரிவிக்கப்பட்டது, அலகு குறிப்பிடப்பட்டது. முடிவு துல்லியமானது மற்றும் தணிக்கை செய்யக்கூடியது.

வாய்மொழி கணிப்பு போன்றவை செயல்படுத்தப்பட்ட குறியீடு

அளவு

மொழி மாதிரி வாய்மொழி கணிப்பு

மலைப்பாம்பு ஓட்டம்

எண்கணித துல்லியம்

மாறி, பிழை ஏற்படலாம்

உறுதியான, உறுதியான

தணிக்கைத்திறன்

கருச்சிதைவு (அது எப்படி வந்தது என்பது தெரியவில்லை)

உயர் (குறியீடு தெரியும்)

மீண்டும் மீண்டும் செய்யக்கூடிய தன்மை

குறைந்த

உயர்

அலகு கண்காணிப்பு

பலவீனமான

குறியீட்டில் திறந்து வைக்கலாம்

முறையான பயன்பாடு

யோசனை, கட்டிட அமைப்பு

இறுதி எண் முடிவு

சிறிய வழக்குகள்

வழக்கு 1 - வாய்மொழி எண்கணிதப் பிழை. ஒரு மாணவர் AIயிடம் “0.0145 mol × 180.16 g/mol?” என்று கேட்கிறார். அவர் கேட்டார்; "2.72 கிராம்," AI கூறியது. உண்மையில் இது 2.61 கிராம். "இதை பைத்தானில் காட்டு" என்று மாணவர் சொன்னபோது, ​​YZ 0.0145 * 180.16 என்று எழுதப்பட்டது, அது 2,612 ஆக வந்தது; முதல் வாய்மொழி பதில் தவறானது. பாடம்: மிகவும் எளிமையான பெருக்கத்திற்கும் குறியீட்டை விரும்பு.

வழக்கு 2 - அளவுத்திருத்தத்தில் R² சரிபார்ப்பு. ஒரு பயனர் பீர்-லம்பேர்ட் அளவுத்திருத்தம் செய்தார்; இது R² = 0.981 ஆக மாறும். AI "நேரியல், நம்பகமானது" என்று கூறியது, ஆனால் அதிக செறிவில் உள்ள புள்ளி கோட்டிற்கு கீழே இருந்தது (செறிவு). பயனர் வரைபடத்தைப் பார்த்தபோது, ​​அது நேரியல் வரம்பிலிருந்து மிக உயர்ந்த புள்ளியை நகர்த்தியது, R² 0.999 ஆக அதிகரித்தது. பாடம்: R² மட்டும் போதாது; எச்சங்கள்/சதியைப் பார்க்கவும்.

வழக்கு 3 - அலகு குழப்பம். ஒரு பகுப்பாய்வில் செறிவு mg/L அல்லது g/L என்பது தெளிவாக இல்லை; AI ஆனது g/L என்று கருதியது மற்றும் முடிவுகள் 1000 மடங்கு தவறாக இருந்தது. பயனர் நெடுவரிசை யூனிட்டை வெளிப்படையாகக் குறிப்பிடும்போது அது சரி செய்யப்பட்டது. பாடம்: AI விலை அதிகம் எனக் கருதி எப்போதும் யூனிட்டை மாற்றவும்.

பொதுவான தவறுகள்

• வாய்மொழி எண்ணை நம்பி. மன எண்கணிதத்தைச் செய்வதை விட எப்போதும் குறியீட்டைக் கேட்டு இயக்கவும்.
• அலகு குறிப்பிடவில்லை. mg/L உடன் g/L, mL உடன் L உடன் கலப்பது 1000 மடங்கு பிழையை ஏற்படுத்துகிறது.
• குறியீட்டை சோதிக்கவில்லை. பதில் தெரிந்த சிறிய உதாரணத்துடன் சோதனை செய்யாமல் பெரிய தரவுகளுக்கு விண்ணப்பிக்கவும்.
• R² ஐ மட்டுமே அளவுகோலாகக் கருதுகிறது. நேரியல் அல்லாத புள்ளிகளை வரைபடமாகப் பார்க்காமல் நம்புதல்.
• சோதனைக் கருவியைத் தவிர்க்கவும். ஸ்டோச்சியோமெட்ரியில் கட்டுப்படுத்தும் மறுஉருவாக்கத்தைத் தீர்மானிக்காமல் கோட்பாட்டு விளைச்சலைக் கணக்கிடுதல்.
• குறிப்பிடத்தக்க படி வெளியேற்றம். அளவீடு 3 குறிப்பிடத்தக்க இலக்கங்களாக இருக்கும்போது முடிவை 8 இலக்கங்களுக்குப் புகாரளிக்கும்.

எச்சரிக்கை: AI எழுதும் குறியீடு கூட தவறாக இருக்கலாம் (தவறான நெடுவரிசை பெயர், தவறான சூத்திரம்). குறியீட்டை இயக்குவது முடிவை தீர்மானிக்கிறது, ஆனால் குறியீடு சரியானதைக் கணக்கிடுகிறது என்பதை நீங்கள் அறிந்த உதாரணத்துடன் உறுதிப்படுத்த வேண்டும்.

சுருக்கமாக

• மொழி மாதிரியின் வாய்மொழி யூகத்திற்கு அல்ல, செயல்படுத்தப்பட்ட பைதான் குறியீட்டிற்கு எண் முடிவுகளை விடுங்கள்.
• வேதியியல் தரவு பகுப்பாய்வில் ஸ்டோச்சியோமெட்ரி, அளவுத்திருத்தம், தரவு சுத்தம் மற்றும் காட்சிப்படுத்தல் ஆகியவற்றிற்கான குறியீட்டை AI விரைவாக எழுதுகிறது.
• எப்போதும் அலகுகளை வைக்கவும்; யூனிட் குழப்பம் மிகவும் விலையுயர்ந்த தவறு.
• அளவுத்திருத்தத்தில் R²க்கு கூடுதலாக எச்சங்கள் மற்றும் வரைபடத்தை ஆய்வு செய்யவும்.
• அறியப்பட்ட பதிலுடன் எளிய உதாரணத்துடன் குறியீட்டை சோதிக்கவும்; குறியீட்டின் துல்லியத்தை மனிதர் சரிபார்க்கிறார்.

விண்ணப்ப பணி

அளவுத்திருத்தம் அல்லது ஸ்டோச்சியோமெட்ரி தரவுத் தொகுப்பை வைத்திருங்கள் (இல்லையெனில், மேலே உள்ள பீர்-லம்பேர்ட் தரவைப் பயன்படுத்தவும்). பகுப்பாய்வு செய்யும் பைதான் குறியீட்டை AI யிடம் கேளுங்கள் (குறியீடு, முடிவு அல்ல). குறியீட்டை இயக்கவும்; அறியப்பட்ட பதில்களின் சிறிய மாதிரியுடன் அதைச் சோதிக்கவும். ஒரே கணக்கீட்டிற்கு AIயிடம் வாய்மொழியாகக் கேட்டு இரண்டு முடிவுகளை ஒப்பிடவும்: வித்தியாசம் உள்ளதா? ஆர் ஒரு ஆவணத்தில் குறியீடு, வெளியீடு மற்றும் குறுகிய கருத்தை வைக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் குறியீட்டிலிருந்து எண் முடிவுகளைப் பெறுகிறேன், வாய்மொழி யூகத்திலிருந்து அல்ல.
• [ ] ஒவ்வொரு தரவு நெடுவரிசையின் அலகையும் நான் தெளிவாகக் குறிப்பிடுகிறேன்.
• [ ] நான் ஒரு சிறிய மாதிரியுடன் குறியீட்டை சோதிக்கிறேன், அதன் பதில் தெரிந்தது.
• [ ] அளவுத்திருத்தத்தில் R²க்கு அடுத்ததாக எஞ்சிய/வரைபடப் பகுப்பாய்வு செய்கிறேன்.
• [ ] ஸ்டோச்சியோமெட்ரியில் கட்டுப்படுத்தும் வினையை நான் தீர்மானிக்கிறேன்.
• [ ] நான் முடிவுகளை பொருத்தமான குறிப்பிடத்தக்க இலக்கத்துடன் தெரிவிக்கிறேன்.