لحل مشكلة تنوع هياكل المواد النفسية الجديدة النشطة، والاعتماد القوي على مكتبات الطيف في تقنيات الكشف التقليدية، وضعف التعرف على المركبات غير المعروفة، يعتمد هذا المقال على نموذج التعلم الآلي وتقنية الكروماتوغرافيا الغازية-مطيافية الكتلة، باستخدام مثال للمركبات الجديدة النشطة من فئة الكاثينون، بالاعتماد على خصائص الطيف المحصل عليها من طريقة الكروماتوغرافيا الغازية-مطيافية الكتلة، مع الجمع بين الهيكل الجزيئي وقواعد تفكك التحليل الطيفي، ومن خلال تلخيص واستخلاص قواعد أيونات الفتات، تم بناء خصائص تصنيف ثانوية، وباستخدام بايثون وPySide6، تم تطوير وبناء منصة ذكية دقيقة لتحديد المواد النفسية الجديدة النشطة، محققة توصيف خصائص مركبات الكاثينون الجديدة النشطة. أظهرت النتائج أن نظام التحليل الذكي الذي تم إنشاؤه لوصف خصائص مركبات الكاثينون الجديدة النشطة يمتلك دقة نموذج تبلغ 98.41%، ودقة إيجابية 94.03%، ونسبة استدعاء 100%، وخاصة 97.88%، ودرجة F1 تبلغ 96.92%، ودقة متوازنة تبلغ 98.94%. تجمع هذه الطريقة بين دقة تعرف عالية وقابلية تفسير قوية، مما لا يعوض فقط نقاط الضعف في التقنيات والنماذج التقليدية، بل يقدم استراتيجية جديدة لتحديد المواد النفسية الجديدة النشطة.

الكاثينون;الكروماتوغرافيا الغازية-مطيافية الكتلة;التعلم الآلي;توصيف الخصائص;بايثون