保留时间迁移学习模型

通过色谱参数向量化,该模型可跨多数据集训练并高效迁移至新色谱系统,突破单一柱和固定操作条件的限制。

Dong, Kunjie · Yu, Di · Huang, Dongdong · 刘心昱 · 许国旺 · 林晓惠

Analytical Chemistry 2025

技术优势

跨数据集可迁移

将色谱参数向量化后引入化合物表示,预训练模型只需微调即可适配新的色谱体系,摆脱了对单一柱和固定条件的依赖。

多项指标领先

在14个反相和14个HILIC数据集上,平均绝对误差和R²等多数指标优于五种深度学习和四种机器学习方法。

应用场景