Vib2Conf: 基于 AI 的从振动光谱判别分子构象方法
化学物理
2026-04-28 v1
摘要
通过深度学习模型从振动光谱检索或生成二维分子结构已被充分证明。然而，解读三维分子构象仍具有挑战性，主要由于由构象异质性引起的光谱歧义性难以解决。为此，我们提出 Vib2Conf，一种直接从振动光谱判别 3D 分子构象的深度学习模型。我们实现了注意力式重采样器，从稀疏光谱信号中提取构象敏感特征，并集成混合专家 (MoE) 以划分构象空间进行精确几何映射。这一模块使 Vib2Conf 在传统光谱-结构基准测试中实现了超过 95% 的最高 1 召回率，包括 QM9S、VB-Mols 和 QMe14S。更重要的是，Vib2Conf 在 VB-Confs 测试集上可实现 82.06% 的最高 1 召回率，区分近似构象，其中构象异构体仅 differ by 约 1 Å 的均方根偏差 (RMSD)。总体而言，Vib2Conf 是一种可用于精细光谱到构象分析的有前景的方法。
引用
@article{arxiv.2604.24310,
title = {Vib2Conf: AI-driven discrimination of molecular conformations from vibrational spectra},
author = {Xin-Yu Lu and De-Yi Lin and Tong Zhu and Bin Ren and Hao Ma and Guo-Kun Liu},
journal= {arXiv preprint arXiv:2604.24310},
year = {2026}
}