光谱是超越人眼限制，让大家感受更高维度世界的一种重要方式。光谱技术的新发展改变大家对传统技术认知的同时，也在改变着大家的生活。特别值得一提的是，随着信息技术的迅速发展，科技进入了数据爆发的阶段，光谱数据也日益呈现出大数据的特点，传统的数据处理方法已经难以满足人们对光谱数据的处理和分析需求。近年来，人工智能和机器学习技术的快速发展为光谱大数据的挖掘和分析提供了新的解决方案，人工智能赋能的光谱仪器新产业迎来了新的时代，同时也为行业带来更多的发展机遇。当光谱技术插上人工智能的翅膀，能给产业带来什么样的机遇和挑战？日前，仪器信息别采访了南开大学邵学广教授，请他从专业的角度谈一谈人工智能赋能光谱产业将带来怎样的变革。以下为视频采访详情：人工智能或催生新型光谱仪仪器信息网：您预期人工智能将给科学仪器行业，特别是光谱产业带来哪些影响或者变革？邵学广教授：目前，人工智能的话题特别火热，对众多行业和产业也产生了较深远的影响。对于科学仪器，尤其是光谱仪器行业，人工智能既带来了机遇也提出了挑战。我本人也还在学习人工智能技术和方法的过程中，对其有深入和全面理解尚需时日。但是，我认为人工智能将对科学仪器行业产生多方面的影响，也会带来很多变革。在仪器设计方面，今后可能会出现更多基于新型原理的光谱仪器；在生产过程中，人工智能技术更有利于生产的智能化；更为重要的是，人工智能在信号处理，特别是数据分析方面的影响会更大。传统的基于单变量、单波长进行峰位置和形状分析的方法或许已不再适应时代需求了，取而代之的是基于多元数据的度分析方法，特别是以深度学习模型为基础的人工智能分析方法，这无疑将对我们的仪器设计、生产以及后续应用带来巨大变革。仪器信息网：现阶段，光谱和人工智能如何更好地结合才能赋能产业的发展？在这样的思路下，有哪些新型的光谱仪器值得期待？邵学广教授：我认为人工智能与仪器的结合主要体现在三个层面：仪器的结构与设计、生产以及应用。前面我所提到的数据处理方法的革新，对仪器的要求也会随之改变。传统而言，仪器设计侧重于单变量和单波长，以确保光谱波长的准确性和测量的高精度。然而，基于多元校正和人工智能的新型分析方法，可能会对波长准确性的要求有所降低，但却对仪器的稳定性和不同波长间的差异性提出更高要求。因此，新型仪器在结构上可以进行创新，不必过分强调波长的准确性，而应强调稳定性。基于这一原理，已经有新型的仪器设计问世，例如多元光谱仪，它已经打破了传统光谱仪的结构，无需分光，可以直接对混合光进行检测从而获得结果。未来，基于深度学习模型的分析方法也可能会对仪器提出新的要求。目前，这种设计可能还尚未出现，但随着技术的发展，相信在不久的将来会看到这样的创新仪器。“人工智能可解决传统化学计量学的难题”仪器信息网：您如何评价当前我国近红外光谱技术的应用现状？邵学广教授：近红外光谱技术在我国的发展已经非常出色，无论是在科研还是应用方面，都已经取得了非常好的成果。虽然我们已经谈论了很多，但未来的前景仍然非常广阔。尽管我们已经在很多领域中使用了这项技术，但深入到各个行业中仍有很大的发展空间，特别是对于那些我们不太熟悉的行业。最近，我听说近红外光谱技术在农业领域中得到了广泛应用，同时在化工行业和其他特殊环境下的应用也具有很大的潜力。现在比较强调将在线光谱仪应用于实际场景中，这对我们的仪器制造行业提出了更高的要求。仪器信息网：贵课题组在相关层面具体开展了哪些工作？在仪器、技术、算法及应用等方面有什么样的突出成果？未来有什么样的科研计划？邵学广教授：其实对于化学计量学来讲，人工智能是对其提供了新的技术和方法，因此我们可以通过人工智能技术解决传统化学计量学难以处理的问题。我们课题组的主要工作集中在三个方向。首先，近年来我们致力于近红外光谱建模及相关数据处理、变量选择、模型转移等方法的研究，这些方法已日趋成熟。因此，我近期的工作重点是制定一些应用流程的相关标准和基本步骤，希望可以帮助大家按照这些流程操作做出优秀的模型。其次，我们利用化学计量学和人工智能技术在光谱分辨率方面开展了一系列工作。特别是我们成功解析了水的光谱高分辨结构，从而可以用水作为探针来探究化学体系和生物体系中的结构变化和相互作用，我们称之为“水光谱探针”。下一步，我们计划将水光谱探针技术应用于成像分析，并且希望建立无需外源探针的方法，直接利用体系中无处不在的水分子作为探针进行成像。这项工作可能在未来的几年中有些许突破。最后，在仪器方面，我们基于多元分析的多元校正原理设计了多元光谱仪。尽管基本的思路和框架已经设计出来，但由于知识方面的欠缺，我们希望能够与电气和光学领域的伙伴合作，希望在未来的1-2年内能有所突破。拥抱人工智能，这些问题亟待解决仪器信息网：在人工智能赋能光谱产业过程中，技术、应用、人才以及产业模式等层面还面临哪些问题？邵学广教授：确实，我们面临着一些挑战，当前主要体现在人才培养方面。仪器行业是一个交叉学科，融合了光学、电子学、机械制造以及计算机科学、数学等多个学科的相关知识，然而在教育方面，特别是大学教育仍然按照数学、物理、化学等传统的学科体系进行布局。以分析化学学科为例，虽然该学科在化学技术方面有了深入的研究，但在仪器学、数学、计算机科学，特别是人工智能等领域的教学上还相对缺乏。这也导致了相关人才供应的短缺，有些知识许多本科生在本科阶段基本没有接触过，等到研究生阶段才有少数研究生学习过。这就使得我们在实际工作中不得不现学现用，从而对技术推广造成了一定的阻碍。为此，我认为我们可以通过学会、协会，多做一些基础知识推广的工作，以便更好地培养出符合行业需求的人才。仪器信息网：您对仪器研发及应用的同行们有什么样的建议？邵学广教授：我希望我国的仪器制造行业或厂家未来能够做好三个方面的工作。第一，提高现有仪器的质量稳定性，如果未来分析方法发生变化，那么对仪器的性能要求也会有所不同，希望厂家能够做好准备；第二，根据应用场景的需求对仪器进行改进调整，紧跟形势以适应不同的场景分析或工况分析；第三，希望厂商能多关注新型原理的研究，特别是多元光学和基于多元多变量的光学仪器。目前，这方面的研究还比较薄弱，希望厂家能够多给予关注和支持，共同推动这项技术的发展。