搜索
北京大学深圳研究生院莫凡洋/袁粒与合作者开发机器学习手性分子光谱预测模型
1 周前
北京大学莫凡洋课题组、袁粒课题组联合厦门大学王忻昌课题组，近期在Nature Computational Science期刊上发表了一篇题为“Decoupled peak property learning for efficient and interpretable electronic circular dichroism spectrum prediction”的研究论文。该研究针对手性小分子圆二色光谱的DFT计算耗时费力且专业门槛高的问题，提出了一种创新的深度学习模型ECDFormer。该模型通过将连续的光谱预测任务转换为离散的光谱峰表征学习任务，实现了圆二色光谱等分子光谱和质谱的快速、准确预测。研究团队利用ECDFormer模型，首先学习分子拓扑结构表征，再基于光谱-分子结构联合表征空间，对光谱峰的数量、位置和强度进行独立预测，最后通过高斯函数将离散峰属性转化为连续光谱序列。这种峰解耦的光谱预测方案显著提升了预测速度与精度，并展现出良好的扩展性，为化学研究和药物开发提供了有力工具。
