Apprentissage de relations « spectres — structures » à partir d'exemples en vue de l'interprétation automatique de spectres de rmn du carbone — 13

¹ Centre de Recherche et Développement, CISI 35, boulevard BRUNE 75680 Paris Cedex 14., France.
² Institut de Programmation, Université Paris VI, France.

Résumé

Le traitement symbolique des données et de la connaissance offre une perspective nouvelle pour l'interprétation des données spectroscopiques, en vue de l'élucidation automatique de structures moléculaires. Les méthodes d'interprétation de spectres de Résonance Magnétique Nucléaire du Carbone-13 les plus répandues actuellement consistent principalement à comparer le spectre du composé étudié avec des spectres de référence stockés dans des fichiers ou bien avec des spectres simulés. Rares sont les méthodes qui possèdent d'authentiques possibilités d'analyse directe des spectres. Nous présentons dans ce papier une méthodologie nouvelle fondée sur l'exploitation de résultats obtenus dans le cadre de l'apprentissage de concepts à partir d'exemples et de contre-exemples. Les conflits entre les différentes interprétations possibles d'un ensemble de raies de résonance sont résolus à l'aide de règles interprétatives acquises par apprentissage.

Abstract

Symbolic computation of data and knowledge opens new perspectives for the interpretation of spectroscopic data particularly with respect to the automatic elucidation of molecular structures. The most widespread methods for the interpretation of 13-C Nuclear Magnetic Resonance spectra reside in the comparison between the spectrum of the compound under investigation and reference spectra on files or with simulated spectra. Methods with true direct spectra analysis capabilities are rare. In this paper we present a new methodology based on the learning techniques. The conflicts between the different possible interpretations of a group of resonance lines are resolved with the help of interpretative rules acquired through sets of examples and contra-examples.