机器学习如何支持大气化合物发现

一篇新的观点论文现在讨论了机器学习在加速和提高正在进行的绘制新大气化合物地图的研究的准确性方面的前景。此类化合物值得研究，因为它们有助于大气颗粒的形成，直接影响气候和空气质量。

CEST研究人员HildaSandström和PatrickRinke与阿尔托大学、赫尔辛基大学和坦佩雷大学的合作者一起，对大气质谱中数据驱动的化合物识别的现状进行了全面审查。

这篇透视文章概述了大气化学界使用现代智能算法实现化合物识别所需的关键步骤。

尽管潜在的大气有机化合物的复杂性和数量是公认的，但对其反应机制、中间体和产物的详细了解仍然缺乏。主要依靠质谱法来获取有关这些大气过程的新基础知识的努力仍在继续。

然而，现有的实验数据库和手动识别方法难以应对大气化合物和过程固有的剪切数、大的变异性和复杂性。

虽然智能化合物识别算法已在其他化学学科中展现出最先进的性能，但由于此类大气质谱研究的训练数据稀缺，它们在大气化学中的实施受到了阻碍。

研究人员提供了如何将这些基于机器学习的化合物识别工具与大气质谱中常用的软电离技术结合有效利用的示例。

建立大气化合物的自动化和改进的识别方法对于增进我们对大气化学的基本了解至关重要。

至关重要的是，该论文提出了一项行动计划，为大气质谱中数据驱动的化合物识别的开发创建基础设施。经过初步审查后，桑德斯特伦和合作者现在的目标是开始开发和测试这些未来的智能识别方法，以帮助识别大气化合物。