《Artificial Intelligence Chemistry》:Physics-Informed Neural Networks for Automated Extraction of Scalar Coupling Constants and Chemical Shifts from Strongly Coupled NMR Spectra: ABC and ABCD Spin Systems
编辑推荐:
本研究提出了一种自动化流程,用于从ABC和ABCD自旋系统的强耦合1H核磁共振(NMR)波谱中提取标量耦合常数(J)和化学位移(ν)。该流程针对目标自旋系统的孤立峰列表进行操作,无需初始参数或手动跃迁指认。其结合了神经网络(NN)阶段与量子力学(QM)精细优化
本研究提出了一种自动化流程,用于从ABC和ABCD自旋系统的强耦合1H核磁共振(NMR)波谱中提取标量耦合常数(J)和化学位移(ν)。该流程针对目标自旋系统的孤立峰列表进行操作,无需初始参数或手动跃迁指认。其结合了神经网络(NN)阶段与量子力学(QM)精细优化。两类自旋系统分别由针对各自逆问题定制化的两种架构处理:ABC网络基于集合变换器(Set Transformer)主干构建;ABCD网络则通过耦合条件化的位移预测方案实现拓扑无关性设计。
在60、80和500 MHz的合成与实验获取1H波谱上,ABC流程在实验基准测试中实现了J和化学位移均低于0.1 Hz的平均精度。ABCD网络在涵盖四种结构不同分子家族的拓扑多样性合成数据集上训练后,在包含验证和测试分区的预留合成评估子集上达到平均绝对误差MAE(J) ≈ 0.13 Hz和MAE(ν) ≈ 0.33 Hz。在包含实验和基于密度泛函理论(DFT)波谱的ABCD验证集上,完整流程进一步实现MAE(J) ≈ 0.08 Hz和MAE(ν) ≈ 0.30 Hz,且无需拓扑信息。这些精度在所有考虑的三种场强下均低于或处于典型1H线宽范围内,且整个流程每处理一张波谱仅需数十毫秒,将亚线宽精度与适用于大规模实验数据集常规自动化处理的通量相结合。
该论文发表于《Artificial Intelligence Chemistry》,旨在解决强耦合核磁共振波谱中自旋系统参数提取这一持续六十余年的光谱学挑战。在弱耦合极限下,核间的化学位移差Δν远大于耦合常数J,波谱遵循简单的一阶多重峰规则,各核产生的图样裂距直接给出耦合常数,多重峰中心即为化学位移。然而当Δν与J相当时,系统进入强耦合 regime,此时自旋哈密顿量的本征态不再能用单个塞曼乘积态近似,观测到的跃迁频率和强度由耦合自旋哈密顿量的完整本征结构决定,无法通过局部测量直接读取J和ν,必须联合求解逆问题。高场核磁共振虽使弱耦合行为成为常规1H分析的常态,但强耦合在实际中仍然重要:一是由于低场台式核磁共振谱仪(60–100 MHz)的快速发展,此类场强下典型1H谱窗仅约600–1200 Hz,许多在高场可分辨的化学位移差会坍缩至强耦合 regime;二是某些分子架构即使在高场下仍具光谱学挑战性,如端基乙烯基(R–CH=CH?)中的ABC型自旋系统,以及化学等价但磁不等价的AA′BB′/AA′XX′四自旋系统。
传统的迭代最小二乘精细优化方法(如LAOCOON程序及其后续发展)需要精确的初始自旋模型或有效的全局搜索策略,否则优化可能收敛缓慢、陷入局部极小或产生错误指认,尤其在参数空间达十维、哈密顿量为16×16的ABCD系统中更为严重。近年来机器学习方法的兴起为这一问题提供了新途径。与MolDeTr等处理全谱多系统检测的工作不同,本研究专注于孤立的ABC和ABCD系统,以期在特定基准上达到更高的参数精度。
研究人员开发的双架构流程直接训练神经网络学习从模拟波谱数据到自旋参数的逆映射。网络接收峰位置和面积作为输入,输出化学位移和标量耦合常数。随后的物理优化阶段——J约束位移提取(JCSE)算法——利用这些神经预测作为锚点进行精细优化。ABC架构将三自旋系统的精确代数结构作为物理信息归纳偏置:共享裂分恒等式(SSI)、共享裂分迹不变恒等式(SSTII)和广义精确求和规则以辅助损失和推理时硬投影的形式嵌入网络。ABCD架构则采用拓扑无关的原子查询设计,通过最小回归损失训练,精确哈密顿物理通过合成数据生成流程和JCSE精细优化阶段引入。
关键技术方法方面,样本队列来源包括:六组实验获取的ABC数据集(两种化合物各在60、80、500 MHz下采集);以及27组ABCD验证数据集(包含12组实验获取的邻位二取代苯谱图和15组基于DFT的合成谱图,涵盖邻位二取代苯、间位二取代苯、六元氮杂环和共轭1,3-丁二烯四种分子家族)。技术方法的核心包括:(1)基于Mnova自旋系统模拟器的合成数据生成流程,采用全局谱图反卷积(GSD)进行峰提取,将连续谱图转换为参数化峰列表;(2)ABC网络采用基于集合变换器主干的物理信息架构,输入为成对峰差域特征,包含VietaShiftHead位移预测头和质心校正模块,训练损失由十一项物理可解释项组成;(3)ABCD网络采用拓扑无关的J→ν条件化设计,使用四个可学习的不同原子查询打破槽位对称性,通过六对标志性耦合预测实现隐式指认;(4)JCSE精细优化阶段,对ABC采用锚定式三参数优化(固定耦合优化位移,含 regime 相关的漂移约束),对ABCD采用L-BFGS-B边界约束的十参数联合优化,代价函数为平滑的准密度重叠(QDO)洛伦兹重叠成本。
研究结果表明,在ABC合成保留数据集(n=6,003)上,流程实现排序后MAE 0.025 Hz,97.8%样本低于0.1 Hz,中位误差0.016 Hz。按耦合 regime 分层:弱耦合MAE 0.020 Hz,中间 regime 0.023 Hz,强耦合0.038 Hz。化学位移经JCSE优化后整体MAE从神经网络阶段的0.394 Hz降至0.058 Hz,中位数达0.020 Hz。在ABC实验验证中,六个数据集(TCB和EVE各三磁场)的|J| MAE均值为0.060 Hz,位移RMS均值为0.086 Hz。
ABCD合成评估子集(n=5,692,四种拓扑)上,完整流程(NN+JCSE)达到MAE(ν) 0.326 Hz、MAE(J) 0.131 Hz。按拓扑分层:邻位二取代苯MAE(J) 0.082 Hz,间位二取代苯0.118 Hz,六元氮杂环0.161 Hz,共轭1,3-丁二烯0.239 Hz。JCSE优化使ν的MAE从0.788降至0.326 Hz(降幅59%),J的MAE从0.249降至0.131 Hz(降幅47%)。在ABCD验证数据集(27谱图)上,实验(邻位二取代苯)子集达MAE(J) 0.0385 Hz、MAE(ν) 0.520 Hz;DFT合成(其他三族)子集达MAE(J) 0.113 Hz、MAE(ν) 0.130 Hz。整体加权MAE(J) 0.079 Hz,MAE(ν) 0.303 Hz。按 regime 分层:弱耦合MAE(J) 0.077 Hz,中间0.055 Hz,强耦合0.103 Hz。流程每谱图耗时约45毫秒(含~1.5毫秒神经推理)。
讨论与结论部分指出,该释放的流水线完全自动化——无需拓扑输入、无需初始猜测、无需手动峰-跃迁指认——在单CPU核心上每谱图仅数十毫秒。ABC架构将三自旋系统的精确代数恒等式作为物理信息归纳偏置;ABCD架构采用互补的拓扑无关原子查询设计,在四种化学家族上训练。在合成与实验获取的ABC波谱上,流水线在所有三种耦合 regime 中均达到J和ν的亚0.1 Hz平均精度。ABCD流水线在跨越四种拓扑家族的数据集上验证,表现出一致的精度,支持架构在实际拓扑无关行为方面的有效性。研究人员将DFT衍生的验证组分视为指示性而非确认性的:跨三种额外家族的完整实证确认有待未来获取实验波谱完成,这也是未来验证工作的主要方向。
与已建立的迭代量子力学拟合工具(如LAOCOON、ChemAdder等)的关系最好描述为互补而非竞争。这些工具需要初始自旋模型,通常来源于二维结构模拟或操作者专业知识,其报告的失效模式(从较差初始猜测收敛缓慢、局部极小值陷阱、错误指认的传播)正是本研究神经网络所针对消除的困难。本工作的神经网络输出同样可以作为任何上述迭代工具的高质量初始估计;第7节的JCSE阶段内部已经扮演了这一角色,由迭代传统中使用的相同哈密顿量形式锚定。
除在四种拓扑家族上扩展实验验证外,两个自然的发展方向为:ABC和ABCD架构在单一主干下的统一仍是开放的结构问题;将拓扑无关设计扩展至更大的自旋系统以及混合物的多片段波谱是自然的下一个扩展目标。在这两个方向上,先前对称系统工作中引入的裂分域重构和本研究发展的代数恒等式有望提供有用的归纳偏置。