Daromadlar:
- Til modelini og'zaki taxmin qilishdan ko'ra, bajarilgan Python kodiga raqamli natijalarni asoslash qobiliyati
- Sun'iy intellektga stoxiometriya, kalibrlash va ma'lumotlarni tozalash kodini yozish va uni javoblari ma'lum bo'lgan namunalar bilan sinab ko'rish qobiliyati
- Har doim birliklarni ko'rsatish va ularning tartibini tekshirish orqali ma'lumotlarni tahlil qilish xatolarining oldini olish qobiliyati
Kimyo raqamlarga to'la: tortish, hajmlar, absorbsiya qiymatlari, hosildorlik, konsentratsiyalar. Ushbu ma'lumotlarni qo'lda qayta ishlash sekin va xatolarga moyil. AI bu erda ikkita asosiy xizmatni taqdim etadi: (1) ma'lumotlarni qayta ishlaydigan Python kodini yozadi, (2) ushbu kodni ishga tushiradi (kodni ishga tushiradigan muhitda) va deterministik natija beradi. Muhim tamoyil bu: hisobni til modelining "og'zaki bashoratiga" emas, balki bajarilgan kodning chiqishiga qoldiring. Til modeli "142 × 0,05 nima?" ba'zan savolga noto'g'ri javob berishi mumkin; lekin u yozgan Python liniyasi har doim to'g'ri hisoblaydi. Ushbu bo'limda biz ushbu falsafa bilan AI bilan kimyoviy ma'lumotlarni tahlil qilishni o'rganamiz.
Nima uchun kod og'zaki taxmin qilishdan yaxshiroq?
Til modeli arifmetikani "mumkin bo'lgan natijani bashorat qilish" orqali amalga oshiradi; shuning uchun katta raqamlar yoki ko'p bosqichli hisoblar bilan noto'g'ri bo'lishi mumkin. Python-da 142 * 0.05 ifodasi deterministikdir: u har doim 7.1 ni qaytaradi. Shunday qilib, strategiya: AIni hisob-kitob qilishga majburlamang, hisoblash KODini chop eting va kodni ishga tushiring. Shunday qilib, siz AI ijodkorligidan foydalanasiz (kodni yaratish) va ishonchsiz tomonni o'chirib qo'yasiz (bosh arifmetika).
Maslahat: AIdan raqamli natija olganingizda, "buni Python qatori bilan ifodalang" deb ayting. Kodning o'zi ham hisobni tekshiradi va uni ishga tushirish va tasdiqlash imkonini beradi. Agar kodni ko'rmasangiz, raqamga ishonmang.
Kimyo fanidan ma'lumotlarni tahlil qilishning odatiy vazifalari
- Stokiometriya: mol, massa, cheklovchi reagent, nazariy hosil, foizli hosilni hisoblash.
- Konsentratsiya: molyarlik, suyultirish (M1V1 = M2V2), ppm konversiyalari.
- Kalibrlash: Beer-Lambert qonuni bilan kalibrlash chizig'ini chizish (absorbsiya ∝ konsentratsiyasi) va noma'lumni hisoblash.
- Ma'lumotni tozalash: o'lchov jadvallarini pandalar bilan o'qish, chet elliklarni belgilash, o'rtacha / standart og'ish.
- Ko‘rgazmalilik: kalibrlash egri chizig‘ini chizish, kinetik grafik, titrlash egri chizig‘i.
Bosqichma-bosqich: AI yordamida ma'lumotlarni xavfsiz tahlil qilish
- Ma'lumotlarni aniqlang: ustunlar, birliklar, qatorlar namunalarini aniq ko'rsating. Agar birlik bo'lmasa, AI taxminlar qiladi.
- Natijalarni emas, kodni so'rang: "Buni hisoblaydigan pandalar/NumPy kodini yozing" deb ayting.
- Kodni ishga tushiring: uni o'zingiz yoki kodni ishga tushiradigan muhitda ishga tushiring.
- Oddiy holat bilan test qiling: Javobni bilgan kichik misol bilan kodni sinab ko'ring.
- Birlik va tartibni tekshirish: Natijaning birligi va kattaligi jismoniy jihatdan oqilonami?
- Hujjat: Kod va natijani tajriba daftariga qo'shing (8-birlik).
To'rt nusxa ko'chirish shablonlari
1) Stokiometriya va foizli rentabellik:
Reaktsiya: salitsil kislotasi (MA 138,12) + sirka angidrid -> aspirin (MA 180,16). Ma'lumotlar: 2,00 g salitsil kislotasi ishlatilgan, sirka angidrid ortib ketgan. Olingan aspirin: 2,15 g. Vazifa: Yillik va foizli yiliklarni hisoblaydigan piton kodini yozing. og'irliklarni o'zgaruvchilar sifatida, natijani birliklarda chop eting.Bosh bilan hisoblamang; faqat bajariladigan kodni bering.
2) Pivo-Lambert kalibrlash:
Kalibrlash ma'lumotlari (konsentratsiya mol/L -> absorbans): 0,00->0,02, 0,02->0,21, 0,04->0,40, 0,06->0,62, 0,08->0,79. Noma'lum namunaning absorbsiyasi: 0,50. Vazifa: numpy.polyfit, qiyalik/kesish bilan chiziqli kalibrlashni bajaring va R ^ 2 ni hisoblang, noma'lum konsentratsiyani toping. Matplotlib bilan ma'lumotlar + mos chizig'ini chizing.
3) pandalar bilan o'lchov jadvali:
Menda CSV bor: ustunlar = namuna, weigh_g, volume_mL, absorbans. Vazifa: pandalar bilan o'qing, har bir namuna uchun konsentratsiyani (g/L) hisoblang, absorbansi < 0 bo'lgan qatorlarni noto'g'ri deb belgilang, guruhlarning o'rtacha va std og'ishini chop etish uchun kod bering. Izoh qatori bilan birliklarni belgilang.
4) Suyultirilgan hisobni tekshirish:
Men 0,5 M lik eritmadan 100 ml 0,05 M eritma tayyorlamoqchiman. Vazifa: M1V1=M2V2 yordamida kerakli zaxira hajmini hisoblaydigan Python qatorini yozing. Natijani ml da chop eting va izoh sifatida mantiqiy tekshirish uchun 10 marta suyultirish kutilayotganligini tasdiqlang.
Zaif taklif / Kuchli taklif
Zaif:
2 gramm salitsil kislotasidan qancha aspirin olinadi?
AI boshdan raqam beradi; Agar u molekulyar og'irliklarni noto'g'ri eslab qolsa, natija buziladi va qanday hisoblanganligi ko'rinmaydi.
Kuchli:
Faraz qilaylik salitsil kislotasi MA=138,12, aspirin MA=180,16, massasi=2,00 g, 100% hosil. Topshiriq: Aspirinning nazariy massasini hisoblaydigan Python kodini yozing; har bir qadamni izohlang (mol -> mol -> massa), natijani g da chop eting.
Farq: berilgan molekulyar og'irliklar, so'ralgan kod, sharhlangan qadamlar, birlik ko'rsatilgan. Natija ham aniq, ham tekshirilishi mumkin.
Og'zaki bashorat qilish va hokazo bajarilgan kod
Hajmi
Til modeli og'zaki bashorat
Python yugurish
Arifmetik aniqlik
O'zgaruvchan, xatolik yuz berishi mumkin
Deterministik, aniq
Auditorlik
Abort (u qanday paydo bo'lganligi noma'lum)
Yuqori (kod ko'rinadigan)
takrorlanuvchanlik
past
yuqori
Birlikni kuzatish
zaif
Kodda ochiq saqlanishi mumkin
To'g'ri foydalanish
G'oya, qurilish tuzilishi
Yakuniy raqamli natija
mini holatlar
1-holat - og'zaki arifmetik xato. Talaba AIdan “0,0145 mol × 180,16 g/mol?” deb so‘radi. so'radi u; "2,72 g", dedi AI. Aslida bu 2,61 g. Talaba "buni Python'da ko'rsat" deganida, YZ 0,0145 * 180,16 deb yozdi va u 2,612 deb chiqdi; Birinchi og'zaki javob noto'g'ri edi. Dars: juda oddiy ko'paytirish uchun ham kodni afzal ko'ring.
2-holat - R² kalibrlashni tekshirish. Bir foydalanuvchi Beer-Lambert kalibrlashini o'tkazdi; Bu R² = 0,981 bo'lib chiqadi. AI "chiziqli, ishonchli" dedi, lekin eng yuqori konsentratsiyadagi nuqta chiziqdan (to'yinganlik) past edi. Foydalanuvchi grafikni ko'rganida, u chiziqli diapazondan eng yuqori nuqtani ko'chirdi, R² 0,999 gacha ko'tarildi. Dars: faqat R² etarli emas; qoldiqlarga/syujetga qarang.
3-holat - Birlik chalkashligi. Bir tahlilda konsentratsiyaning mg/L yoki g/L ekanligi aniq emas edi; AI g / L deb hisobladi va natijalar 1000 marta noto'g'ri edi. Foydalanuvchi ustun birligini aniq ko'rsatganida, bu tuzatildi. Dars: AI qimmat deb hisoblab, har doim jihozni almashtiring.
Umumiy xatolar
- Og'zaki raqamga tayanish. Mental arifmetikadan ko'ra har doim kodni so'rang va ishga tushiring.
- Birlik ko'rsatilmagan. mg/l ni g/l, ml ni L bilan aralashtirish 1000 marta xatolikka olib keladi.
- Kodni sinab ko'rmayapman. Javob ma'lum bo'lgan kichik misol bilan sinovdan o'tmasdan katta ma'lumotlarga murojaat qilish.
- R² ni yagona mezon sifatida ko'rib chiqish. Chiziqli bo'lmagan nuqtalarga ularni grafik jihatdan ko'rmasdan ishonish.
- Tekshiruvchi reaktivni o'tkazib yuboring. Stokiometriyada chegaralovchi reagentni aniqlamay turib, nazariy rentabellikni hisoblash.
- Muhim qadam tashlash. O'lchov 3 ta muhim raqam bo'lsa, natijani 8 ta raqamga etkazish.
Diqqat: AI yozadigan kod ham noto'g'ri bo'lishi mumkin (noto'g'ri ustun nomi, noto'g'ri formula). Kodni ishga tushirish natijani deterministik qiladi, lekin kod to'g'ri narsani hisoblashini ma'lum misol bilan tasdiqlashingiz kerak.
Xulosa
- Raqamli natijalarni til modelining og'zaki taxminiga emas, balki bajarilgan Python kodiga qoldiring.
- AI tezda stexiometriya, kalibrlash, ma'lumotlarni tozalash va kimyoviy ma'lumotlarni tahlil qilishda vizualizatsiya uchun kod yozadi.
- Har doim birliklarni qo'ying; Birlik chalkashligi eng qimmat xatodir.
- Kalibrlashda R² ga qo'shimcha ravishda qoldiq va grafikni ko'rib chiqing.
- Ma'lum javob bilan oddiy misol bilan kodni sinab ko'ring; Inson kodning to'g'riligini tekshiradi.
Ilova vazifasi
Kalibrlash yoki stokiyometriya ma'lumotlar to'plamiga ega bo'ling (agar bo'lmasa, yuqoridagi Beer-Lambert ma'lumotlaridan foydalaning). AIdan tahlil qiladigan Python kodini so'rang (natija emas, kod). Kodni ishga tushiring; keyin uni ma'lum javoblarning kichik namunasi bilan sinab ko'ring. AIdan bir xil hisoblashni og'zaki so'rang va ikkita natijani solishtiring: farq bormi? R² va kalibrlashda qoldiq grafigini izohlang. Hujjatga kod, chiqish va qisqa izohni qo'ying.
nazorat ro'yxati
- [ ] Men raqamli natijalarni og'zaki taxmindan emas, koddan olaman.
- [ ] Men har bir maʼlumot ustunining birligini aniq koʻrsataman.
- [ ] Men kodni javobi ma'lum bo'lgan kichik namuna bilan sinab ko'raman.
- [ ] Men kalibrlashda R² yonida qoldiq/grafik tahlilini bajaraman.
- [ ] Stokiometriyada cheklovchi reaktivni aniqlayman.
- [ ] Men natijalarni tegishli muhim raqam bilan xabar qilaman.