质谱仪-Mass AI人工智慧如何解密高分子裂解产物结构

为什么要用AI分析?

      传统质谱资料库在面对高分子材料热裂解所产生之未知产物时，常因资料不足而无法进行有效结构解析。为解决此问题，JEOL研发团队开发了msFineAnalysis AI系统，结合GC-TOFMS实验数据与深度学习质谱预测技术，并建置一套整合自PubChem资料库的AI结构解析平台，其第二版更新后涵盖约1.2亿笔化合物资料，其中包含2,500万笔以人工智慧模拟生成（in silico）之高分子热裂解产物及其预测的电子撞击（EI）质谱图。透过对商用压克力树脂进行热裂解GC-MS分析，在三聚物滞留时间区间（14–20分钟）内共检出48种化合物，其中仅2种登录于NIST23资料库，余下46种中有20种可与in silico热裂解资料库对应，显示此AI系统在提升高分子热裂解物结构推定准确性与效率方面具显著成效。

电脑模拟如何建立资料库？
本篇所建立之 in silico 热裂解产物结构系依据以下步骤进行模拟生成。用于AI资料库建构的均聚物(homopolymer)与共聚物种(copolymer)类列于表一：

1. 选取49种单体化合物。
2. 以这些单体生成49种均聚物与18种共聚物的六聚体直链结构。
3. 对上述聚合物结构随机断开1至5个单键以模拟热裂解过程。
4. 对断裂位置进行加氢或双键替代处理，以生成稳定的产物结构。
5. 针对所有结构组合重复上述模拟断裂程序，最终产出完整的热裂解产物结构式。