SpectraLLM：揭示大语言模型从多光谱数据中解析分子结构的能力
定量方法
2026-05-12 v3 计算工程、金融与科学
机器学习
摘要
自动化分子结构解析仍具挑战性，因为现有方法通常依赖预编译数据库或仅限于单一光谱模态。本文提出 SpectraLLM，一种通过对一个或多个光谱进行推理来执行端到端结构预测的大语言模型。与传统的谱图到结构流程不同，SpectraLLM 在共享的语言空间中表示连续（红外、拉曼、紫外-可见、核磁共振）和离散（质谱）模态，使其能够捕获不同光谱类型间互补的亚结构模式。我们在小分子领域对模型进行预训练和微调，并在四个公开基准数据集上对其进行评估。SpectraLLM 达到了最先进的性能，大幅超越了单模态基线。此外，它在单模态设置下表现出强大的鲁棒性，并且在联合推理多种光谱时进一步提高了预测精度，为基于语言的光谱分析建立了一个可扩展的范式。代码可在 https://github.com/OPilgrim/SpectraLLM 获取。
引用
@article{arxiv.2508.08441,
title = {SpectraLLM: Uncovering the Ability of LLMs for Molecular Structure Elucidation from Multi-Spectral Data},
author = {Yunyue Su and Jiahui Chen and Zao Jiang and Zhenyi Zhong and Liang Wang and Qiang Liu and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:2508.08441},
year = {2026}
}
备注
42 pages, 6 figures, 30 tables; Accepted to ICLR 2026