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。
可图大模型
可图大模型（Kolors）是快手大模型团队自研打造的文生图AI大模型
32 查看详情
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，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/291739.html
微信扫一扫 
支付宝扫一扫 
