国产精品视频一区二区三区四,亚洲av美洲av综合av,99国内精品久久久久久久,欧美电影一区二区三区电影


化工儀器網(wǎng)首頁>資訊中心>項目成果>正文

突破分子光譜預測瓶頸 新型AI模型為藥物材料研發(fā)提速
2025年07月31日 10:53:30 來源:化工儀器網(wǎng) 作者:宋池 點擊量:1410

華東師范大學聯(lián)合紐約大學、芝加哥大學研發(fā)新型AI模型EnviroDetaNet,突破分子光譜預測瓶頸。該模型基于E(3)等變神經(jīng)網(wǎng)絡架構,創(chuàng)新性地融合原子特性、幾何結構與局域環(huán)境信息,高效提取分子特征,實現(xiàn)對有機分子光譜的快速精準預測。

  分子光譜作為化學物質的獨特“指紋”,在新藥開發(fā)與功能材料設計中至關重要,但傳統(tǒng)依賴量子化學計算的方法長期受限于計算成本高昂、效率低下的瓶頸,難以滿足高通量篩選需求。
 
 
  針對這一挑戰(zhàn),華東師范大學朱通教授、孫真榮教授團隊聯(lián)合紐約大學、芝加哥大學等機構,成功研發(fā)出新型人工智能模型EnviroDetaNet。該研究成果已于2025年7月1日發(fā)表于國際期刊《npj Computational Materials》。研究論文題為《Pretrained E(3)-equivariant message-passing neural networks with multi-level representations for organic molecule spectra prediction》
 
  EnviroDetaNet基于創(chuàng)新的E(3)等變神經(jīng)網(wǎng)絡架構,通過整合分子的內(nèi)稟原子特性、空間幾何特征以及局域環(huán)境信息,高效捕獲分子體系的局部與全局特征,實現(xiàn)了對有機分子多種光譜屬性的快速、準確預測。
 
  研究顯示,相較于現(xiàn)有主流深度學習方法,EnviroDetaNet在多項光譜預測任務中展現(xiàn)出更高精度與更強泛化能力。該模型即使在訓練數(shù)據(jù)量減半的條件下,仍能保持穩(wěn)定可靠的預測效果,表現(xiàn)出卓越的數(shù)據(jù)效率和魯棒性。
 
  研究團隊進一步引入大型分子預訓練模型Uni-Mol,通過融合其海量先驗知識與EnviroDetaNet的局部結構特征,實現(xiàn)了多尺度分子表示,顯著提升了模型對不同化學環(huán)境的識別能力和整體預測性能。
 
  該模型不僅為分子光譜計算提供了高效精準的新方案,更在加速藥物候選分子篩選、提升功能材料性能評估效率等關鍵應用場景展現(xiàn)出廣泛潛力。論文摘要指出,該模型在復雜分子體系的光譜預測中也表現(xiàn)優(yōu)異,成為加速分子發(fā)現(xiàn)的強大工具。
關鍵詞

相關閱讀 Related Reading

查看更多+

版權與免責聲明

  • 凡本網(wǎng)注明“來源:化工儀器網(wǎng)”的所有作品,均為浙江興旺寶明通網(wǎng)絡有限公司-化工儀器網(wǎng)合法擁有版權或有權使用的作品,未經(jīng)本網(wǎng)授權不得轉載、摘編或利用其他方式使用上述作品。已經(jīng)本網(wǎng)授權使用作品的,應在授權范圍內(nèi)使用,并注明“來源:化工儀器網(wǎng)”。違反上述聲明者,本網(wǎng)將追究其相關法律責任。
  • 本網(wǎng)轉載并注明自其他來源(非化工儀器網(wǎng))的作品,目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網(wǎng)站或個人從本網(wǎng)轉載時,必須保留本網(wǎng)注明的作品第一來源,并自負版權等法律責任。
  • 如涉及作品內(nèi)容、版權等問題,請在作品發(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系,否則視為放棄相關權利。
工業(yè)苛刻工況pH應用在線監(jiān)測解決方案
關閉
满城县| 朔州市| 宁化县| 正镶白旗| 广州市| 敦化市| 延吉市| 措勤县| 岳池县| 虎林市| 清丰县| 罗甸县| 黑龙江省| 剑川县| 启东市| 内黄县| 贞丰县| 阿克苏市| 和顺县| 环江| 都安| 岗巴县| 平昌县| 景德镇市| 武胜县| 宁国市| 丰县| 岳普湖县| 亚东县| 宝丰县| 景东| 青岛市| 吉木萨尔县| 巴林右旗| 阿拉善左旗| 乌鲁木齐市| 虞城县| 庄浪县| 海原县| 景德镇市| 东阳市|