Original title: Rozšíření umělé inteligence DeepReI a její aplikace v praxi
Translated title: Extension of artificial intelligence DeepReI and its application in practice
Authors: Hurychová, Nikola ; Sobotníková, Jana (advisor) ; Křížek, Tomáš (referee)
Document type: Master’s theses
Year: 2023
Language: cze
Abstract: [cze] [eng]
Diplomová práce se zabývá rozšířením umělé inteligence DeepReI o predikci retenčních indexů látek v plynové chromatografii pro standardní nepolární a polární stacionární fázi. V teoretické části je obecně popsána umělá inteligence, konvoluční neuronové sítě a princip učení neuronových sítí. Je zde i stručný přehled aplikací neuronových sítí v analytické chemii. V experimentální části byl původní model DeepReI rozšířen o predikci retenčních indexů látek pro standardní nepolární a polární stacionární fáze. Dále bylo dosaženo přesnější predikce retenčních indexů látek pro semistandardní nepolární stacionární fázi oproti dostupným modelům. Aplikovatelnost modelu při identifikaci neznámých látek byla ověřena necílenou analýzou nealkoholických piv pomocí plynové chromatografie s hmotnostní detekcí. Diploma thesis deals with expanding the artificial intelligence DeepReI with the prediction of retention indices of substances in gas chromatography for standard non-polar and polar stationary phases. The theoretical part describes artificial intelligence, convolutional neural networks, and the principles of neural network learning. There is also a brief overview of the applications of neural networks in analytical chemistry. In the experimental part, the original DeepReI model was extended to predict the retention indices of substances for standard non-polar and polar stationary phases. Furthermore, more accurate predictions of retention indices were achieved for semi-standard non-polar stationary phases compared to existing models. The applicability of the model for substance identification was verified through non-targeted analysis of non-alcoholic beers using gas chromatography with mass detection.
Keywords: analysis of beers and hops; artificial intelligence; gas chromatography; retention prediction; analýza piv a chmelů; plynová chromatografie; predikce retence; umělá inteligence

Institution: Charles University Faculties (theses) (web)
Document availability information: Available in the Charles University Digital Repository.
Original record: http://hdl.handle.net/20.500.11956/181093

Permalink: http://www.nusl.cz/ntk/nusl-527895


The record appears in these collections:
Universities and colleges > Public universities > Charles University > Charles University Faculties (theses)
Academic theses (ETDs) > Master’s theses