从红外光谱学使用深度学习来完成分子结构预测
Colin Zhang1,2, Yang Ha2
1Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, United States.
我们开发了一个深度学习模型,从红外 (IR) 光谱中预测分子结构. 这种人工智能方法有助于解决复杂的化学结构,改进了分析化学的传统方法.
科学领域:
- 分析化学 分析化学
- 计算化学计算化学
- 机器学习 机器学习
背景情况:
- 红外 (IR) 光谱对于确定分子结构至关重要.
- 解释复杂的光谱与重叠的峰值是具有挑战性的,即使对于专家.
- 之前的机器学习努力集中在功能组上,而不是完整的结构,由于数据的限制.
研究的目的:
- 开发一种深度学习模型,从IR光谱中预测完整的分子结构.
- 为应对复杂有机化合物中光谱模糊性的挑战.
- 仅使用光谱数据来自动化分子结构阐明.
主要方法:
- 提出了一种双损失的深度学习架构,灵感来自图像标题模型.
- 通过量子力学密度函数理论计算生成了一个超过17000个红外光谱的数据集.
- 该模型预测分子结构为简化分子输入线输入系统 (SMILES) 字符串.
主要成果:
- 最好的模型在一次未见测试组的试验中,在预测完整的分子结构方面达到16.26%的准确性.
- 该模型在再生单个功能组时显示了高达88%的准确性.
- 双损函数有效地从光谱数据和SMILES字符串中学习化学特性.
结论:
- 深度学习提供了一种有前途的方法来增强用于分子结构确定的红外光谱学.
- 这种人工智能驱动的方法在分析化学,医学和其他科学领域都有潜在的应用.
- 该研究强调了人工智能克服光谱解释局限性的能力.
更多相关视频
11:05High-definition Fourier Transform Infrared FT-IR Spectroscopic Imaging of Human Tissue Sections towards Improving Pathology
Published on: January 21, 2015
08:54Vibrational Spectra of a N719-Chromophore/Titania Interface from Empirical-Potential Molecular-Dynamics Simulation, Solvated by a Room Temperature Ionic Liquid
Published on: January 25, 2020
相关概念视频
IR Spectroscopy: Hooke's Law Approximation of Molecular Vibration
According to Hooke's law, the vibrational frequency is directly proportional to...
IR Spectroscopy: Molecular Vibration Overview
Stretching vibrations are vibrational motions that occur along the bond line, changing the bond length or distance between two bonded atoms. They are further distinguished as symmetric or asymmetric. In symmetric stretching, the...
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
Applications of IR Spectroscopy: Overview
IR Frequency Region: Fingerprint Region
Molecular Spectroscopy: Absorption and Emission
