用于无约束红外分子结构阐明的数据融合和对比比对

arXiv:2607.26164v1 公告类型：新 摘要：近年来，根据红外 (IR) 光谱数据自动解析分子结构取得了重大进展，但其广泛适用性因依赖作为辅助模型输入提供的预先确定的化学式而受到限制。这将模型预测限制为异构体识别，而不是完整的分子结构预测。尽管变压器模型已被证明可以高精度识别分子异构体，但它们在无约束结构阐明方面的可靠性相对较低且了解甚少。在这项工作中，我们提出并评估了对传统编码器-解码器变压器的关键修改。为了更好地解决无约束问题的巨大化学空间，我们实现了一种新颖的专家混合 (MoE) 解码器模块，该模块通过线性阶统计和 Choquet 积分利用非加性聚合。我们进一步修改变压器以在聚合频谱表示时利用这些非加性运算符。与辅助对比对齐损失项一起，这些增强功能与基线仅 IR 模型相比，将 Top-K 预测精度提高了 10 个百分点以上。通过分子预测的子结构片段分析，我们进一步证实红外光谱编码了绝大多数相关化学信息，这意味着异构体排序模型的较高性能很大程度上是由于所探索的化学空间中分子的吸收带代表性不足或重叠。最终，通过证明根据测量的红外光谱自动解析分子结构的功效，这项工作将显着拓宽人工智能在分析化学中的应用。