一种基于Transformer的生成式化学语言AI模型用于有机化合物结构鉴定

对于超过半个世纪的计算机辅助结构鉴定系统（CASE）而言，已依赖于复杂的专家系统，包含显式编程的算法。这些系统由于必须探索和筛选的化学结构空间庞大，往往在复杂化合物方面计算效率低下。本研究提出了一种基于Transformer的生成式化学语言人工智能（AI）模型，作为一种创新的端到端架构，旨在取代经典CASE框架的逻辑和工作流程，以实现超快速和准确的光谱学基于结构鉴定。我们的模型采用编码器-解码器架构和自注意力机制，类似于大型语言模型，直接生成与输入光谱数据最匹配的可能化学结构。该模型在约10.2万个红外光谱、紫外光谱和1H核磁光谱样本上进行训练，仅需几秒钟即可完成最多含29个原子的分子结构鉴定，实现了83%的Top-15准确率。这一方法展示了基于Transformer的生成式AI有望加速传统科学问题解决过程的潜力。该模型能够根据新数据快速迭代，凸显了在结构鉴定中实现快速进展的潜力。