- 首頁
- 資訊
齊魯工業(yè)大學胡偉團隊在分子光譜的人工智能模擬方面取得研究進展
來源：齊魯工業(yè)大學 2023-11-17
導讀：近日，齊魯工業(yè)大學（山東省科學院）化學與制藥學部胡偉教授團隊，在分子光譜的人工智能模擬方面取得研究進展。研究成果以“A Deep Learning Model for Predicting Selected Organic Molecular Spectra”為題，于2023年11月13日在Nature子刊 《自然-計算科學》（Nature Computational Science）雜志上在線發(fā)表。論文第一單位為齊魯工業(yè)大學（山東省科學院），化學與制藥學部2019級本科生鄒子涵為第一作者，化學與制藥學部胡偉教授、光電科學與技術學部張玉瑾副教授、中國科學技術大學羅毅教授和江俊教授為本文的共同通訊作者。
分子光譜作為“分子指紋”，被廣泛地應用于物理、化學、生物、材料、醫(yī)學、食品、環(huán)境、化工等領域。傳統(tǒng)的分子光譜模擬采用量子化學方法，涉及昂貴的電子結構計算和復雜的光譜模擬，導致效率低下。針對該難題，胡偉教授團隊結合E（3）-等變幾何組、自注意機制，開發(fā)了一套深度學習模型：DetaNet，從而建立了更高效、更準確、更快速的分子性質(zhì)和分子光譜的人工智能模擬方法。研究團隊首先建立了包含 13萬余種分子的紅外、拉曼、紫外-可見吸收、核磁共振光譜數(shù)據(jù)庫：QM9S 數(shù)據(jù)集；其次，通過傳遞高階幾何張量信息，使得DetaNet 能夠預測各種分子的標量（能量、原子電荷等）、矢量（電偶極矩、原子力等）以及高階張量（Hessian矩陣、電四極矩、極化率、電八極矩、第一超極化率等）性質(zhì)。在此基礎上，開發(fā)了通用模塊用來預測四種重要的分子光譜，即紅外光譜、拉曼光譜、紫外可見吸收光譜、核磁共振光譜。通過測試，研究團隊發(fā)現(xiàn)DetaNet的計算效率比量子化學快3-5個數(shù)量級。本研究成果提供了原創(chuàng)的深度學習模型：DetaNet，在世界上首次提出直接預測分子張量性質(zhì)的機器學習算法，開發(fā)了多種分子光譜的人工智能模擬算法，對分子高通量篩選、光譜輔助結構鑒定等重要的領域提供了堅實的理論基礎和高效的軟件工具。
本課題受到國家自然科學基金、山東省泰山學者計劃、濟南市高校20條等項目支持。文章鏈接：https://doi.org/10.1038/s43588-023-00550-y
聲明：化學加刊發(fā)或者轉(zhuǎn)載此文只是出于傳遞、分享更多信息之目的，并不意味認同其觀點或證實其描述。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與本網(wǎng)聯(lián)系，我們將及時更正、刪除，謝謝。 電話：18676881059，郵箱：gongjian@huaxuejia.cn
在線客服
快速發(fā)布
我的店鋪
我的化學加
我的消息
我要充值
回到頂部
