NMIRacle: 基于红外与核磁共振谱的多模态生成式分子解析
化学物理
2026-03-12 v2 机器学习
摘要
从光谱数据中解析分子结构是化学领域长期存在的挑战，传统上需要专家解读。我们引入了NMIRacle，这是一个两阶段生成框架，它建立在人工智能驱动光谱学的最新范式之上，且假设条件极少。在第一阶段，NMIRacle学习从计数感知的片段表示中重建分子结构，捕获片段身份及其出现次数。在第二阶段，一个光谱编码器将输入光谱（IR, 1H-NMR, 13C-NMR）映射到一个潜在嵌入中，用于条件化预训练的生成器，该生成器经过微调以实现从光谱到分子的直接生成。这种公式化方法将片段级别的化学建模与光谱证据联系起来，产生了准确的分子预测。实证结果表明，NMIRacle在分子解析任务上优于现有基线方法，同时在不断增加的分子复杂度水平上保持了稳健的性能。
引用
@article{arxiv.2512.19733,
title = {NMIRacle: Multi-modal Generative Molecular Elucidation from IR and NMR Spectra},
author = {Federico Ottomano and Yingzhen Li and Alex M. Ganose},
journal= {arXiv preprint arXiv:2512.19733},
year = {2026}
}