- 首頁(yè)
- 資訊
齊魯工業(yè)大學(xué)胡偉團(tuán)隊(duì)在分子光譜的人工智能模擬方面取得研究進(jìn)展
來(lái)源：齊魯工業(yè)大學(xué) 2023-11-17
導(dǎo)讀：近日，齊魯工業(yè)大學(xué)（山東省科學(xué)院）化學(xué)與制藥學(xué)部胡偉教授團(tuán)隊(duì)，在分子光譜的人工智能模擬方面取得研究進(jìn)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(jì)算科學(xué)》（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(xué)（山東省科學(xué)院），化學(xué)與制藥學(xué)部2019級(jí)本科生鄒子涵為第一作者，化學(xué)與制藥學(xué)部胡偉教授、光電科學(xué)與技術(shù)學(xué)部張玉瑾副教授、中國(guó)科學(xué)技術(shù)大學(xué)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(yīng)用于物理、化學(xué)、生物、材料、醫(yī)學(xué)、食品、環(huán)境、化工等領(lǐng)域。傳統(tǒng)的分子光譜模擬采用量子化學(xué)方法，涉及昂貴的電子結(jié)構(gòu)計(jì)算和復(fù)雜的光譜模擬，導(dǎo)致效率低下。針對(duì)該難題，胡偉教授團(tuán)隊(duì)結(jié)合E（3）-等變幾何組、自注意機(jī)制，開(kāi)發(fā)了一套深度學(xué)習(xí)模型：DetaNet，從而建立了更高效、更準(zhǔn)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(tuán)隊(duì)首先建立了包含 13萬(wàn)余種分子的紅外、拉曼、紫外-可見(jiàn)吸收、核磁共振光譜數(shù)據(jù)庫(kù)：QM9S 數(shù)據(jù)集；其次，通過(guò)傳遞高階幾何張量信息，使得DetaNet 能夠預(yù)測(cè)各種分子的標(biāo)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(chǔ)上，開(kāi)發(fā)了通用模塊用來(lái)預(yù)測(cè)四種重要的分子光譜，即紅外光譜、拉曼光譜、紫外可見(jiàn)吸收光譜、核磁共振光譜。通過(guò)測(cè)試，研究團(tuán)隊(duì)發(fā)現(xiàn)DetaNet的計(jì)算效率比量子化學(xué)快3-5個(gè)數(shù)量級(jí)。本研究成果提供了原創(chuàng)的深度學(xué)習(xí)模型：DetaNet，在世界上首次提出直接預(yù)測(cè)分子張量性質(zhì)的機(jī)器學(xué)習(xí)算法，開(kāi)發(fā)了多種分子光譜的人工智能模擬算法，對(duì)分子高通量篩選、光譜輔助結(jié)構(gòu)鑒定等重要的領(lǐng)域提供了堅(jiān)實(shí)的理論基礎(chǔ)和高效的軟件工具。
本課題受到國(guó)家自然科學(xué)基金、山東省泰山學(xué)者計(jì)劃、濟(jì)南市高校20條等項(xiàng)目支持。文章鏈接：https://doi.org/10.1038/s43588-023-00550-y
聲明：化學(xué)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(rèn)同其觀點(diǎn)或證實(shí)其描述。若有來(lái)源標(biāo)注錯(cuò)誤或侵犯了您的合法權(quán)益，請(qǐng)作者持權(quán)屬證明與本網(wǎng)聯(lián)系，我們將及時(shí)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(xué)加
我的消息
我要充值
回到頂部
