.png){kind=icon}
返回
Transformer-Based Models for Predicting Molecular Structures from Infrared Spectra Using Patch-Based Self-Attention
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jpca.4c05665.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
红外（IR）光谱学作为一种振动光谱学，能够提供广泛的分子结构细节，是化学家确定分子结构的高效技术。然而，分析实验光谱一直具有挑战性，因为其需要专业知识，且光谱在不同实验条件下存在变异性。在此，我们提出了一种基于transformer的模型，并设计了基于分块自注意力机制的光谱嵌入层，旨在防止光谱信息的丢失，同时保持模型简洁性和有效性。为进一步提升模型对IR光谱的理解，我们引入了一种数据增强方法，该方法仅在选择性地在吸收峰处引入垂直噪声。我们的方法不仅在模拟数据集上实现了最先进的表现，还在真实实验光谱上达到了55%的top-1准确率，超越了先前最先进方法的约10%。此外，我们的模型在分析复杂且多变的指纹区域时表现出色，能够有效提取关键结构信息。
Keyword:
IDENTIFICATION
期刊
IF:
2.8
论文数:
1.2K
被引数:
6.0W
机构
暂无机构信息
引用论文
Power of Infrared and Raman Spectroscopies to Characterize Metal-Organic Frameworks and Investigate Their Interaction with Guest Molecules红外和拉曼光谱表征金属有机框架并研究其与客体分子的相互作用的能力
OAAI
OAAI分享收藏Quantitative Comparison of Experimental and Computed IR-Spectra Extracted from Ab Initio Molecular Dynamics从头算分子动力学提取的实验和计算红外光谱的定量比较
PREAI
分享收藏Functional Group Identification for FTIR Spectra Using Image-Based Machine Learning Models.png)
ANALYTICAL CHEMISTRY
ANALYTICAL CHEMISTRYIF6.7
PREAI
分享收藏
查看更多内容