增强13C核磁共振波谱中的峰归属：一种基于多模态对齐的新方法
机器学习
2024-07-29 v4 化学物理
定量方法
摘要
核磁共振（NMR）波谱在解析分子结构与动态行为方面起着至关重要的作用。尽管人工智能增强的NMR预测模型前景广阔，但在分子检索、异构体识别和峰归属等任务中仍存在挑战。为此，本文提出一种新颖方案——知识引导实例级判别的多层级多模态对齐（K-M3AID），其在分子图与NMR谱这两种异质模态间建立对应关系。K-M3AID采用双协调对比学习架构，包含三个关键模块：图级对齐模块、节点级对齐模块以及通信通道。值得注意的是，K-M3AID在节点级对齐模块中将知识引导实例级判别引入对比学习。此外，K-M3AID表明节点级对齐中所习得的技能对图级对齐有正向影响，认可元学习作为一种固有属性。实证验证凸显了K-M3AID在多个零样本任务中的有效性。
引用
@article{arxiv.2311.13817,
title = {Enhancing Peak Assignment in 13C NMR Spectroscopy: A Novel Approach Using Multimodal Alignment},
author = {Hao Xu and Zhengyang Zhou and Pengyu Hong},
journal= {arXiv preprint arXiv:2311.13817},
year = {2024}
}