分箱与否：质谱的替代表示

质谱，尤其是所谓的串联质谱，常用于评估样品的化学多样性。产生的质量碎裂谱是分子结构的表示，而这些分子的结构可能尚未确定。这带来了从质谱实验确定或计算预测分子结构的挑战。另一种选择是直接从谱预测分子性质或分子相似性已有各种方法被提出用于将质谱嵌入以供机器学习任务进一步使用。然而，这些方法需要对谱进行预处理，通常包括分箱或子采样峰，主要理由是创建统一向量大小和去除噪声。在这里，我们研究了质谱分箱前的两种替代方案，即基于集合的表示和基于图的表示。将两种所提出的表示分别与set transformer和图神经网络在回归任务上进行训练比较，我们表明它们都显著优于在分箱数据上训练的多层感知机。