电子圆二色光谱（ecd）技术在手性分子研究中扮演着关键角色，但其理论计算的复杂性和耗时性一直是制约因素。 本研究利用人工智能，特别是机器学习方法，克服了这一挑战。 北京大学莫凡洋课题组、袁粒课题组与厦门大学王忻昌课题组合作，在《自然·计算科学》(nature computational science) 发表论文，提出了一种高效且可解释的ecd光谱预测模型——ecdformer。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
论文截图
该研究巧妙地将连续光谱预测转化为离散光谱峰属性的学习任务。 ECDFormer模型通过解耦光谱峰的属性（数量、位置、强度），并利用自注意力机制学习光谱峰结构与分子官能团之间的关联，最终实现对ECD光谱的快速、准确预测。 该模型还具有良好的泛化能力，可应用于多种分子光谱和质谱预测。 研究团队通过多种手性天然产物验证了模型的可靠性。
ECDFormer模型结构图
这项研究由莫凡洋、袁粒和王忻昌共同指导完成，并得到了田永鸿在算法和计算资源方面的支持。 李昊和龙达为论文的共同第一作者。 该研究得到了国家自然科学基金委员会、厦门大学校长基金和北京大学深圳研究生院AI4S交叉研究专项等项目的资助。 这项突破性成果有望显著加速化学研究和药物开发进程。
以上就是北京大学深圳研究生院莫凡洋/袁粒与合作者开发机器学习手性分子光谱预测模型的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
745
收藏
