维度网讯，弗里德里希·席勒大学耶拿分校（Friedrich-Schiller-Universität Jena）、柏林亥姆霍兹材料与能源中心（Helmholtz-Zentrum Berlin für Materialien und Energie）、耶拿亥姆霍兹能源应用聚合物研究所（Helmholtz Institute for Polymers in Energy Applications Jena）以及瑞士软件公司Zakodium Sárl的研究团队开发出一款名为SECS的人工智能系统，能够从光谱测量的原始数据中推荐可能的分子结构并评估其合理性。该系统以开放获取方式提供，相关成果发表于专业期刊《自然·通讯》。

结构解析是化学研究中的关键环节，但处理新型或复杂分子时颇具挑战。耶拿大学的Kevin Jablonka博士指出，通常使用的核磁共振波谱法、红外光谱法或质谱法各自提供有限的结构线索，而众多测量信号构成的化学拼图需要正确组合。对于从未被描述过的新型分子，杂质可能产生自身信号或掩盖实际物质信号，使得分析尤为困难。新系统的优势在于能够处理常规质子核磁共振谱中最常见的杂质问题。

论文第一作者Adrian Mirza介绍，新系统SECS结合了两种人工智能方法。模型首先学习将光谱和分子结构转化为共同的数学表示，随后进化算法逐步优化候选分子，通过添加或移除原子与化学键，反复检查结果是否与测量数据更匹配。最终，系统会呈现一个可能结构的排名列表，并附带基于化学上下文的相似度分数。

在一项采用不同光谱方法的基准测试中，SECS在超过80%的案例中将正确分子结构排在首位。在与人类的直接比较中，系统在解答20个高难度核磁共振题目时表现与参与专家相当。尽管如此，研究团队强调SECS并非为了取代人类专业知识，而是提供有用的第二意见。如果推荐方案合理且得分高，有助于增强对解析结果的信心；反之，则值得更仔细审视。

该应用的源代码、模型数据及测试版均对外开放。目前的网页版主要面向一维质子核磁共振原始数据的直接解析，后续将支持更多光谱类型和更复杂的原始数据。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com