利用神经网络快速预测电子电离质谱
化学物理
2019-05-07 v2 机器学习
摘要
当面对身份未知的物质时，研究者常对样品进行质谱分析，并将观测谱与先前收集的谱库比对以鉴定分子。尽管流行，该方法无法鉴定不在现有库中的分子。为此，我们提议通过用机器学习预测的合成分谱扩充库来改进其覆盖率。我们贡献了一个轻量级神经网络模型，可快速预测小分子的质谱。实现高精度预测需要一种新颖的神经网络架构，其设计用于捕捉电子电离的典型碎裂模式。我们分析了建模创新对库匹配性能的影响，并将我们的模型与先前基于机器学习的谱预测工作进行比较。
引用
@article{arxiv.1811.08545,
title = {Rapid Prediction of Electron-Ionization Mass Spectrometry using Neural Networks},
author = {Jennifer N. Wei and David Belanger and Ryan P. Adams and D. Sculley},
journal= {arXiv preprint arXiv:1811.08545},
year = {2019}
}
备注
12 pages, 5 figures