9.3. Применение компьютеров в аналитической химии*
Основные направления использования компьютеров в анализе были перечислены в предыдущем разделе. Рассмотрим некоторые из них более подробно.
Компьютер как средство поиска информации. Аналитики могли обходиться традиционными справочниками до тех пор, пока работали со сравнительно узким кругом определяемых компонентов, анализировали немногие неорганические материалы и пользовались при этом всего 5–7 методами. Теперь же огромное множество методик и соответствующих им справочных данных уже нельзя хранить в традиционной бумажной форме, слишком трудно будет найти информацию, необходимую в каждом отдельном случае. Объем информации так велик, что иногда аналитику гораздо быстрее самому определить какую-нибудь константу или разработать новую методику анализа, чем отыскать их в книгах и журналах. Выходом из ситуации является использование компьютеров. С их помощью можно найти следующую справочную информацию:
сведения об определяемых веществах, а также о сопутствующих им компонентах исследуемой пробы. Это – характеристики физических свойств, спектры индивидуальных веществ, константы химических и фазовых равновесий, сведения о биологической активности, токсичности, ПДК и т. п.;
данные о составе и свойствах объектов анализа. Например, характеристики нефтей и нефтепродуктов разного типа, нормативные требования к ним (ГОСТы), сведения о технологических процессах. Аналогичным образом компьютер может стать источником сведений о металлах и сплавах, минералах, объектах окружающей среды и др.;
описания методик анализа и средств его проведения. В том числе нормативные документы (ГОСТы по методикам), сведения о химических реактивах, каталоги и прайс-листы фирм, производящих аналитические приборы, и т. п.;
библиографическая информация. Она особенно важна для аналитика-исследователя. Просмотр библиотечных каталогов, оглавлений научных журналов, поиск по реферативному журналу и т. п., получение электронных копий необходимых статей и даже книг – все это позволяет оценить современное состояние интересующей аналитика научной проблемы, узнать, кто еще занимался и занимается данной проблемой, натолкнуться на ценную идею и не изобретать уже изобретенное. Аналитики пользуются специальными системами библиотечного поиска, которые собственно и работают с банками справочных данных (БД). Иметь в полном объеме у себя в лаборатории соответствующие БД аналитик не может, хотя бы по экономическим соображениям – зато можно с помощью компьютерных сетей получить доступ к БД коллективного пользования и находить в них необходимую информацию. В этом отношении для аналитика весьма важен Интернет – надо лишь уметь им пользоваться и знать, где что искать.
Компьютер как устройство для расчетов. Относительно простые расчеты, например, расчет результатов анализа или их статистическую обработку, выполнять на компьютере не обязательно, хотя и весьма удобно. Другие, более сложные расчеты без компьютера вообще невозможны. В частности, разрабатывая методику анализа, приходится:
рассчитывать отсутствующие в справочниках физические свойства веществ;
оценивать реакционную способность аналитических реагентов (веществ заданной структуры). Для этого часто используются методы квантовой химии;
рассчитывать выходы продуктов реакций по константам равновесий, а константы равновесий по термодинамическим данным (или наоборот);
моделировать и интерпретировать спектры разного типа;
моделировать сложные химические и фазовые равновесия, важные для аналитика (например, заранее рассчитывать ионные диаграммы, вольтамперные кривые, хроматограммы, кривые титрования и т. п.);
иногда с помощью компьютера удается моделировать методику анализа в целом. В этом случае мы сможем заранее оценить точность результатов, которые можно будет получить в тех или иных условиях.
Список расчетных задач в аналитической химии на самом деле гораздо длиннее, чем приведенный краткий перечень. Аналитику приходится решать как прямые задачи (например, моделировать кривую титрования по известным константам равновесия), так и обратные задачи (например, оценивать константы равновесия по полученной в эксперименте кривой титрования). При этом аналитики участвуют в разработке специфического программного обеспечения и самостоятельно используют его.
В последние десятилетия, по мере появления все более мощных компьютеров и все более совершенных программ, точность расчетов постепенно возрастала. Но главной проблемой был и остается выбор оптимальной модели и математического алгоритма для проведения будущих расчетов. Надо заранее учесть точность модели (правомерно ли пренебрежение таким-то фактором?) и оценить погрешность исходных данных. Никакой компьютер не сможет получить правильные выводы из неточных экспериментальных данных.
Правильность компьютерных расчетов может быть проверена в специальном химическом эксперименте. Другая возможность – провести проверочные расчеты для некоторых эталонов. Например, чтобы решить, можно ли оттитровать некоторое органическое вещество Х в некотором растворителе, требуется знать соответствующую кислотную константу. Допустим, никакой информации по кислотно-основным свойствам Х в данном растворителе в справочниках не обнаруживается. Зато есть компьютерная программа ACD‑Labs, которая специально предназначена для подобных расчетов. Она определяет значение lgKa по структуре молекулы Х. Получив его, следует провести еще несколько аналогичных расчетов – для однотипных Х веществ Y, Z, T, у которых кислотные константы известны, определены экспериментальным путем. Если все они идеально совпадут с результатами работы данной программы, можно будет принять и величину lgKа, найденную для вещества Х.
Компьютер как средство управления аналитическим прибором и записи сигнала. Усложнение аналитических приборов привело к тому, что управление ими вручную стало утомительным и ненадежным. Представим себе запись спектра поглощения некоторой пробы – традиционная регистрация спектра «по точкам» требует многократного повторения однотипных операций (установка длины волны, настройка прибора, считывание показаний со шкалы, запись их в лабораторный журнал). Затем строят (не очень точно) спектральную кривую на миллиметровой бумаге. Для записи самых простых спектров достаточно было бы 10–20 точек, но для спектров сложной формы пришлось бы повторить эти операции несколько тысяч раз. В некоторых случаях надо записывать вовсе не ту величину, которую мы регистрируем, а результат ее сложных математических преобразований (фурье-спектрометрия, дифференциальная вольтамперометрия и др.). При управлении измерительным прибором вручную очень легко совершить ошибку, даже грубый промах. Иногда управление прибором вручную вообще невозможно – слишком много параметров придется контролировать, слишком быстро надо их изменять.
Непрерывная запись показаний прибора с помощью электронного самописца гораздо удобнее и дает гораздо более воспроизводимые результаты, чем построение спектра вручную («по точкам»). Но и такие записи не устраивают аналитиков. Традиционные записи («регистрограммы») спектров, вольтамперных кривых или хроматограмм неудобно хранить, сравнивать, усреднять и проводить по ним дальнейшие измерения или расчеты. Аналитику нужны реализуемые с помощью компьютера программы автоматической настройки измерительного прибора, проверки правильности его показаний, усиления или преобразования сигнала, и наконец, быстрой и автоматической записи преобразованного сигнала в форме, удобной для хранения и последующего использования.
Разумеется, любым аналитическим прибором можно пользоваться и без компьютера, но делать это с его помощью гораздо удобнее. Тем более что записывать вольтамперную кривую или спектр по заданной программе можно много раз подряд. При повторной регистрации спектра или хроматограммы мы получаем похожие, но вовсе не одинаковые записи. Их усреднение позволяет очистить спектры или хроматограммы от случайных погрешностей регистрации. Многократная регистрация и усреднение сигналов без компьютера практически невозможны.
Компьютер как средство обработки аналитического сигнала. Существуют специализированные программы обработки спектров, хроматограмм, вольтамперных кривых, кривых титрования и т. п. Есть и универсальные программы, применимые к любым массивам экспериментальных (числовых) данных. Рассмотрим некоторые направления работы таких программ, независимо от их узкой специализации. Термин «обработка аналитических сигналов» подразумевает выполнение следующих операций:
устранение шумов, т. е. короткопериодных случайных погрешностей процесса регистрации сигнала. Достичь этого проще всего усреднением данных, многократно полученных в одинаковых условиях (рис. 9.2). Так, современный компьютеризированный спектрометр для ближней ИК-области за минуту успевает 50–100 раз снять спектр, а затем вычислить и записать усредненный спектр, освобожденный от шумов;
Рис. 9.2. Спектры поглощения в ИК-области, полученные при однократной регистрации без сглаживания (А) и с применением сглаживающего фильтра (В), а также усредненные по результатам 10‑кратной регистрации без фильтра (Б)
сглаживание данных. С помощью компьютера можно обрабатывать не только повторно зарегистрированные, но и единичные записи спектров, вольтамперных кривых и т. п. Программы, используемые для отбраковки «выскакивающих» точек и сглаживания регистрограмм, обычно называют фильтрами. Например, фильтр Кальмана или фильтр Савицкого–Голея. Обычно численные критерии отбраковки не задаются, но сглаживаемые данные автоматически «прогоняются через фильтр» до тех пор, пока результаты не перестанут меняться («сходимость алгоритма»). Так, спектр некоторой пробы при его однократной регистрации сильно искажен из-за случайных погрешностей (кривая А на рис. 6.6). При усреднении 10 повторно снятых спектров получают плавную кривую Б. При сглаживании кривой А с помощью цифрового фильтра получают плавную кривую В, похожую на кривую Б. Однако при сглаживании однократно зарегистрированной кривой существует опасность – можно сгладить кривую так сильно, что будут потеряны какие-то важные ее характеристики (при усреднении повторно зарегистрированных кривых такие характеристики сохраняются). Например, в хроматографии можно вместе с шумами детектора потерять пики микропримесей;
устранение систематических погрешностей. Компьютер можно использовать для вычитания фона (например, при регистрации вольтамперных кривых), для корректировки изменяющейся чувствительности фотоэлемента при сканировании спектра и т. д. Обратите внимание – усреднение или сглаживание сигналов убирает только шумы (случайные погрешности), но не устраняет помехи (систематические погрешности), для их устранения нужны совершенно иные алгоритмы и программы;
аппроксимация, интерполяция, экстраполяция и линеаризация. Примером могут быть программы, которые находят уравнение функции, наилучшим образом описывающей зависимость сигнала I от концентрации X. Эти программы позволяют вычислять I методом интерполяции, или, что важнее для практики, проводить обратную операцию, т. е. рассчитывать концентрацию Х для измеренной прибором величины сигнала. Более сложные программы позволяют прогнозировать график и для тех условий, в которых эксперимент не проводился (экстраполяция), а также представлять данные в новых координатах, в которых наблюдается линейная зависимость вторичного сигнала I* от СX (линеаризация). Метод линеаризации используется не только для повышения точности расчетов, но и для оценки значений констант, от которых зависит исследуемый процесс. Так, кривые потенциометрического титрования можно представить не в обычном, а в линейном виде (для этого используется алгоритм метода Грана и основанные на нем компьютерные расчетные программы). По наклону линеаризованной кривой можно оценить величину условной константы равновесия соответствующей реакции;
определение координат особых точек. Компьютер определяет положение точек перегиба при регистрации кривых титрования, положение максимумов (времена удерживания на хроматограмме) и т. п.;
численное дифференцирование и интегрирование. Практически любую кривую, которую мы получили с помощью аналитического прибора, можно представить в дифференциальной форме, что позволит получить скрытую информацию, например, выявить сигналы разных компонентов пробы. А численное интегрирование исключительно важно для обработки хроматограмм (расчет площадей), в кулонометрии, термогравиметрии и в некоторых других методах;
разложение сложной функции на сумму слагаемых известного вида. Например, разложение на «гауссовы составляющие» или на совокупность синусоид разной амплитуды и частоты (разложение в ряд Фурье). Эти приемы позволяют выявить вклад разных процессов в аналитический сигнал или, и что особенно важно, отделить друг от друга сигналы разных компонентов. Представим себе хроматограмму с двумя плохо разрешенными, частично перекрывающимися пиками. Выделение двух гауссиан из результирующего контура поможет нам найти концентрацию обоих компонентов.
Нередко приходится с помощью компьютера решать и обратную задачу. Так, с помощью интерферометра можно зарегистрировать поглощение света пробой в виде совокупности синусоид разной амплитуды и частоты, а затем, математически сложив эти синусоиды, можно получить спектр сложной формы в его обычном виде. Например, ИК-спектр. Или спектр в видимой области для слабо поглощающих растворов. Этот способ регистрации спектров – самый точный, быстрый, надежный и чувствительный – называется фурье-спектроскопией. Без компьютера он просто невозможен.
Компьютерная идентификация. Использование баз данных. Еще в 60-х гг. XX века появились простейшие информационно-поисковые системы, которые сравнивали спектр пробы с эталонными спектрами различных веществ (обычно спектрами индивидуальных органических соединений). Эталонные спектры входят в состав компьютерной БД. ИПС перебирает и анализирует их, находит среди эталонных спектров наиболее похожий на спектр пробы и выдает название соответствующего эталона пользователю. То же самое в принципе можно делать и вручную, но многочисленность органических соединений и необходимость строго количественной оценки степени сходства подталкивали аналитиков к разработке именно компьютерных программ. При этом аналитики понимали, что надежно опознать вещество по спектру пробы можно только в том случае, когда в БД имеется эталонный спектр этого вещества, записанный в стандартных условиях – и в тех же условиях должен быть снят спектр пробы. Понадобились как можно более полные БД, и сейчас некоторые базы – по масс-спектрам, по ИК-спектрам – содержат по несколько сот тысяч эталонных спектров. Ежегодно объем этих БД нарастает. Наиболее надежные результаты дает именно спектральная идентификация, и это направление наиболее развито. Только для опознания чистых веществ по ИК-спектрам разработано не менее сотни разных ИПС.
Несколько позднее возникли компьютерные системы для хроматографической идентификации – в этом случае в БД хранятся характеристики удерживания эталонных веществ, коэффициенты относительной чувствительности детекторов (это тоже идентификационные характеристики) и другие данные.
Разумеется, далеко не во всех случаях компьютерная идентификация дает правильные результаты. Результат работы ИПС будет неверным, если спектр пробы и спектры эталонов сняты на разной аппаратуре, или с ошибками, или в сильно отличающихся условиях. А в тех случаях, когда условия регистрации пробы и эталонов идентичны и система работает безошибочно, ответ получают правильный, но, как правило, неоднозначный. В списке «подозреваемых» оказывается не одно соединение, а несколько! Степень сходства каждого эталонного спектра со спектром исследуемой пробы обычно указывается, например, для вещества А степень сходства 97 %, для Б – 94 % и т. д.). И на первом месте в этом перечне далеко не всегда оказывается действительно присутствующее соединение! При неоднозначном ответе окончательный выбор делает сам аналитик, учитывающий предысторию пробы, ее элементный состав и другие идентификационные признаки (не спектральные). Эффективность работы ИПС зависит от полноты и правильности данных в БД, а также от того, по каким алгоритмам рассчитывали «степень сходства» спектров и какие числовые критерии были выбраны при ограничении перечня эталонов.
Базы данных и ИПС для компьютерной идентификации чистых веществ в 90-е гг. XX века стали частью стандартного программного обеспечения спектрометров и хроматографов высшего класса. Большая часть этих программ создана за рубежом, но есть серьезные успехи и в России. В Сибирском отделении РАН по инициативе акад. Коптюга еще в 70-е гг. был создан научный центр, где разработаны эффективные программы расшифровки различных спектров органических веществ. Дальнейшее развитие этого метода сегодня идет в трех основных направлениях, т. е. создаются ИПС трех типов:
ИПС, одновременно использующие разнородную информацию. Например, при расшифровке качественного состава пробы учитываются характеристики удерживания каждого компонента и масс-спектры, снятые в момент выхода каждого пика;
ИПС, позволяющие расшифровывать спектры неразделенных смесей и с заданной надежностью устанавливать, какие компоненты присутствуют в этих смесях;
ИПС, позволяющие устанавливать структуру веществ, эталонные спектры которых отсутствуют в БД. Решить такую задачу исключительно трудно. Это можно сделать только тогда, когда в БД есть структурные аналоги опознаваемого вещества. Для решения такой задачи существуют и другие методы компьютерной идентификации (искусственный интеллект, распознавание образов), однако они меньше применяются на практике.
Компьютерная оптимизация методик анализа. Создание специальных компьютерных программ, моделирующих методику (например, хроматографического или титриметрического анализа), позволяет проводить компьютерные эксперименты. В них меняют (поочередно или все сразу) условия анализа и смотрят, как будут при этом меняться ожидаемые погрешности анализа. Постепенно удается выйти на условия, где ошибка будет минимальной или даже нулевой. Компьютерный эксперимент можно автоматизировать, чтобы изменение условий шло по заданной программе и автоматически выводило исследователя на оптимальные условия выполнения анализа.
Сопоставление и использование результатов анализа. Иногда легче провести анализ объекта, чем собрать и сопоставить многочисленные результаты анализов по множеству показателей, относящихся к одному объекту. Компьютеры здесь незаменимы – они обеспечивают квалифицированное и своевременное сопоставление результатов анализа друг с другом и с контрольными нормативами. Так, процесс выплавки стали в конвертере контролируют, непрерывно определяя содержание ряда элементов, а также несколько других показателей (температуру и т. п.). Технологу надо успеть осмыслить эти данные и принять необходимые меры для регулировки технологического процесса. А весь процесс проходит меньше чем за полчаса! Для анализа данных нужен компьютер, и лучше, если он немедленно по получении очередных данных анализа проведет корректировку процесса в соответствии с заданной программой.
Н
Рис. 9.3. Загрязнение
атмосферы
Европы
диоксидом серы