近日，在“富油煤关键结构解析与定向转化”先导专项的支持下，中国科学院山西煤炭化学研究所乔岩研究员团队在人工智能解析C8烃类混合物核磁共振氢谱（¹HNMR）方向取得进展。研究成果以“DLQMA: A Deep Learning Framework for Qualitative and Quantitative NMR Analysis of Complex Hydrocarbon Mixtures”为题发表于分析化学领域知名期刊《Analytical Chemistry》。

C8烃类化合物（包含烷烃、烯烃及芳香烃异构体）是石油化工与燃料体系中的关键组分，但其异构体化学结构高度相似，定性定量分析存在较高难度。

基于此，团队提出了一种深度学习框架DLQMA，将此类混合物解析统一为“定性+定量分析”的“端—端”多任务学习问题。针对谱峰组成复杂、但各组分指纹峰尚未发生极端重叠的混合物体系，DLQMA可直接从混合物的¹H NMR谱图获得各组分的定性定量结果。对于谱峰信号高度复杂、谱峰严重重叠致使特征峰消失的混合物体系，DLQMA可兼容1D CSSF-TOCSY高级NMR“虚拟分离”技术，实现对混合物虚拟分离出的子谱进行自动化解析。这种“复杂谱图直接解析，高重叠区虚拟分离再解析”的递进解析策略，极大地拓宽了其在复杂异构体中的分析上限。

该工作为复杂烃类同分异构体的自动化、标准化核磁定性定量分析提供了新的解析方案，有望服务于燃料与石化体系的快速筛查与质量控制。

（公共技术服务中心）