Komplexe Systeme der traditionellen chinesischen Medizin enthalten verschiedene chemische Komponenten wie kleine Moleküle, Proteine, Polysaccharide und hochgradig selbstorganisierte Assemblierungen. Derzeit ist die Analyse dieser Komponenten durch unzureichende Abdeckung von Spektralbibliotheken und geringe Effizienz der manuellen Analyse begrenzt, was die Tiefe der Grundlagenforschung zu den Substanzen einschränkt. Künstliche Intelligenz (KI) hat durch leistungsfähige Integration multiquelliger Daten und tiefgründiges Repräsentationslernen einen Paradigmenwechsel in der Analyse chemischer Komponenten traditioneller chinesischer Medizin von "erfahrungsbasiert" zu einem neuen "datenbasierten" Ansatz vorangetrieben. Dieser Artikel gibt einen systematischen Überblick über die Lernparadigmen und Kernarchitekturen von KI in der Analyse der Komponenten der chinesischen Medizin mit Schwerpunkt auf molekularen Repräsentationslernmethoden, Strategien zur Verarbeitung von Spektraldaten sowie fortschrittlichen Anwendungen in intelligenter Analyse und Erweiterung des chemischen Raums. Abschließend werden wichtige Herausforderungen wie Datenstandardisierung, Datenaustausch und multimodale Integration sowie zukünftige Entwicklungspfade diskutiert.

künstliche intelligenz;chemische komponenten der traditionellen chinesischen medizin;tiefes lernen;repräsentationslernen;intelligente analyse