人工智能在光谱学中的应用：从预测到生成及 beyond
人工智能
2025-02-17 v1 机器学习
摘要
机器学习（ML）和人工智能（AI）的快速发展已在化学领域引发重大变革，但将这些方法应用于光谱学和光谱测量数据（称为 Spectroscopy Machine Learning，简称 SpectraML）仍相对不被充分探索。现代光谱技术（MS、NMR、IR、Raman、UV-Vis）生成的高维数据持续增长，迫切需要超越传统专家工作流程的自动化和智能分析。本综述提供了 SpectraML 的统一综述，系统性地审查了用于正向任务（分子到光谱预测）和逆向任务（光谱到分子推断）的前沿方法。我们追溯了 ML 在光谱学中的历史演变，从早期的模式识别到最新的能够进行高级推理的 foundation 模型，并提供了代表性神经网络架构的分类，包括基于图的和基于 Transformer 的方法。针对数据质量、多模态集成和计算可扩展性等关键挑战，我们强调了新兴方向，如合成数据生成、大规模预训练和零样本或少样本学习。为促进可重复研究，我们还发布了一个开源仓库，包含近期论文及其对应的精选数据集（https://github.com/MINE-Lab-ND/SpectrumML_Survey_Papers）。我们的综述为研究人员提供了路线图，指导在光谱学与 AI 交叉领域的进展。
关键词
引用
@article{arxiv.2502.09897,
title = {Artificial Intelligence in Spectroscopy: Advancing Chemistry from Prediction to Generation and Beyond},
author = {Kehan Guo and Yili Shen and Gisela Abigail Gonzalez-Montiel and Yue Huang and Yujun Zhou and Mihir Surve and Zhichun Guo and Prayel Das and Nitesh V Chawla and Olaf Wiest and Xiangliang Zhang},
journal= {arXiv preprint arXiv:2502.09897},
year = {2025}
}