物理探针暴露并缓解分子表示中的化学环境坍缩
化学物理
2026-05-12 v1 人工智能
摘要
核磁共振（NMR）光谱为局部化学环境提供了实验读数，但其在分子表示学习中受限于异构数据和不完整的原子级分配。本文构建了互补的高保真实验和计算 13C NMR 资源，揭示了一种反复出现的表示坍缩形式：在分子拓扑上等价的原子在实际化学环境中仍保持实验上的差异，而显式的 3D 描述则受限于动态 regime 中的静态构象。为缓解这一瓶颈，我们开发了 CLAIM（Contrastive Learning for Atom-to-molecule Inference of Molecular NMR），一个将高效拓扑分子输入与原子分辨 NMR 可观测量对齐的框架。通过层次化化学先验和跨层对比学习，CLAIM 恢复了丢失的化学分辨率，并显著提高了原子级分子-光谱检索性能。CLAIM 在灵活和烷基化系统中保持稳健，可预测 13C NMR，改进了在不显式 3D 建模的情况下的立体异构体区分，并可迁移到更广泛的分子性质任务，包括 ADMET 预测和荧光估计。这些结果表明，基于物理的光谱对齐是缓解化学环境坍缩和指导实验导向分子表示学习的有效策略。
关键词
引用
@article{arxiv.2605.10429,
title = {Physical probes expose and alleviate chemical-environment collapse in molecular representations},
author = {Jiebin Fang and Zidi Yan and Churu Mao and Yongjun Jiang and Xinyi Tang and Lei Miao and Dan Lu and Yun Huang and Wanjing Ding and Zhongjun Ma},
journal= {arXiv preprint arXiv:2605.10429},
year = {2026}
}