图形转换器-IR:图形转换器使用高度专业化的注意力预测实验性IR光谱
Cailum M K Stienstra1, Liam Hebert2, Patrick Thomas1
1Department of Chemistry, University of Waterloo, Waterloo, Ontario N2L 3G1, Canada.
图形神经网络变压器Graphormer-IR能够准确地预测来自分子结构的红外光谱. 这种人工智能模型超越了现有的方法,为实验化学提供了更快的计算反.
科学领域:
- 计算化学的计算化学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 红外 (IR) 光谱对于化学和法医分析至关重要.
- 开发准确和快速的*in silico*光谱预测方法对于实时实验反至关重要.
- 当前的计算模型在复杂的光谱特征的速度和准确性方面面临挑战.
研究的目的:
- 开发一个高精度和高效的计算模型来预测红外光谱.
- 使用Graphormer,一个图形神经网络 (GNN) 变压器,仅从简化分子输入线输入系统 (SMILES) 字符串进行IR光谱预测.
- 调查增强节点嵌入对光谱预测准确性的影响.
主要方法:
- 采用GNN变压器架构的Graphormer,用于IR光谱预测.
- 利用了5个实验媒介中的53 528个高质量红外光谱的数据集.
- 整合了新的架构特征,包括用于相位编码的全局节点,学习节点特征嵌入,以及1D光滑卷积神经网络 (CNN).
主要成果:
- 图形造型器-IR实现了0.8449 ± 0.0012的平均测试光谱信息相似性 (SISμ),超过了最先进的Chemprop-IR.
- 用额外的描述符增加节点嵌入,使SISμ得分提高到0.8523 ± 0.0006.
- 该模型有效地捕获了长距离相互作用,非和的峰值位置和不常见的功能组的伸展频率.
结论:
- 与现有方法相比,Graphormer-IR在预测红外光谱方面表现优越.
- 该模型的架构擅长捕捉复杂的分子相互作用和光谱细节.
- 这种方法为加速计算化学和实验光谱学提供了巨大的潜力.
更多相关视频
04:43Author Spotlight: Advancing Upper Limb Rehabilitation in Patients with Right Hemisphere Damage Using Assisted Active Exercise
Published on: February 9, 2024
11:05High-definition Fourier Transform Infrared FT-IR Spectroscopic Imaging of Human Tissue Sections towards Improving Pathology
Published on: January 21, 2015
相关概念视频
IR Spectrometers
IR Frequency Region: Fingerprint Region
IR Spectrum
Transmittance is defined as the ratio of the radiant power passing through a sample to that from the radiation's source. Multiplying the transmittance by 100 gives the percent transmittance (%T), which varies between 100% (no absorption) and 0%...
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
IR Frequency Region: X–H Stretching
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
