解开分子结构：面向化学的多模态光谱数据集
化学物理
2024-10-30 v2 人工智能
机器学习
摘要
光谱技术是确定分子结构的基本工具。如核磁共振 (NMR)、红外光谱和质谱等不同光谱技术，提供有关分子结构（包括功能基团的存在或缺失）的见解。化学家利用这些不同方法的互补性。然而，缺乏包含多种光谱技术光谱的综合性多模态数据集，限制了机器学习方法主要应用于单模态任务，以从光谱预测分子结构。本文介绍了一个数据集，包含来自专利数据中 79 万种分子的模拟 H-NMR、C-NMR、HSQC-NMR、红外光谱和质谱（正离子和负离子模式）数据。该数据集使开发用于整合多种光谱模态信息的基础模型成为可能，模拟人类专家所采用的方法。此外，我们提供了基准测试，用于评估结构鉴定、预测目标分子的光谱以及功能基团预测等单模态任务。该数据集有望自动化结构鉴定， streamlining 从合成到结构确定的分子发现流程。数据集和基准代码可在 https://rxn4chemistry.github.io/multimodal-spectroscopic-dataset 访问。
引用
@article{arxiv.2407.17492,
title = {Unraveling Molecular Structure: A Multimodal Spectroscopic Dataset for Chemistry},
author = {Marvin Alberts and Oliver Schilter and Federico Zipoli and Nina Hartrampf and Teodoro Laino},
journal= {arXiv preprint arXiv:2407.17492},
year = {2024}
}
备注
29 pages, submited to conference, code available at: https://github.com/rxn4chemistry/multimodal-spectroscopic-dataset