یادگیری ماشین و هوش مصنوعی در حسگری شیمیایی و زیستی ۲۰۲۴
Machine Learning and Artificial Intelligence in Chemical and Biological Sensing 2024

یادگیری ماشین و هوش مصنوعی در حسگری شیمیایی و زیستی، پیشینه‌ی نظری و کاربردهای عملی روش‌های مختلف یادگیری ماشین و هوش مصنوعی را در زمینه‌ی حسگری شیمیایی و زیستی پوشش می‌دهد. پیش از این، هیچ متن مرجع جامعی برای پوشش دادن این گستره‌ی وسیع از موضوعات وجود نداشت. ویراستاران کتاب، سه فصل اول را نگاشته‌اند تا خواننده را به طور محکم با نظریه‌های بنیادی یادگیری ماشین که می‌توان برای حسگری شیمیایی/زیستی استفاده کرد، آشنا سازند. فصل‌های بعدی سپس به پوشش کاربردهای عملی با مشارکت متخصصان مختلف در این زمینه می‌پردازند.

بخش‌ها نشان می‌دهند که چگونه تکنیک‌های مبتنی بر یادگیری ماشین و هوش مصنوعی می‌توانند راه‌حل‌هایی برای موارد زیر ارائه دهند: ۱) شناسایی و تعیین کمیت مولکول‌های هدف در مواقعی که گیرنده‌های خاص در دسترس نیستند ۲) تجزیه و تحلیل مخلوط‌های پیچیده از مولکول‌های هدف، مانند میکروبیوم روده و میکروبیوم خاک ۳) تجزیه و تحلیل داده‌های پرتوان و با ابعاد بالا، مانند غربالگری دارویی، تعامل مولکولی، و تجزیه و تحلیل مواد سمی محیطی ۴) تجزیه و تحلیل مجموعه‌های داده‌ی پیچیده در جایی که رویکرد اثرانگشتی مورد نیاز است. این کتاب در درجه اول برای دانشجویان سال‌های بالای مقطع کارشناسی، دانشجویان تحصیلات تکمیلی، کارکنان پژوهشی، و اعضای هیئت علمی در دانشگاه‌ها و کالج‌های آموزشی و پژوهشی نوشته شده است که در زمینه‌های حسگری شیمیایی، حسگری زیستی، شیمی تجزیه، بیوشیمی تجزیه، تصویربرداری زیست پزشکی، تشخیص‌های پزشکی، پایش محیط زیست، و کاربردهای کشاورزی مشغول به کار هستند.

Machine Learning and Artificial Intelligence in Chemical and Biological Sensing covers the theoretical background and practical applications of various ML/AI methods toward chemical and biological sensing. No comprehensive reference text has been available previously to cover the wide breadth of this topic. The book’s editors have written the first three chapters to firmly introduce the reader to fundamental ML theories that can be used for chemical/biosensing. Subsequent chapters then cover the practical applications with contributions by various experts in the field.

Sections show how ML and AI-based techniques can provide solutions for: 1) identifying and quantifying target molecules when specific receptors are unavailable 2) analyzing complex mixtures of target molecules, such as gut microbiome and soil microbiome 3) analyzing high-throughput and high-dimensional data, such as drug screening, molecular interaction, and environmental toxicant analysis, 4) analyzing complex data sets where fingerprinting approach is needed This book is written primarily for upper undergraduate students, graduate students, research staff, and faculty members at teaching and research universities and colleges who are working on chemical sensing, biosensing, analytical chemistry, analytical biochemistry, biomedical imaging, medical diagnostics, environmental monitoring, and agricultural applications.