评估用于基于红外的有机结构验证的 2D 和 3D 图编码器 开放获取

《Digital Discovery》：Evaluating 2D and 3D Graph Encoders for Infrared-Based Organic Structure VerificationOpen Access

　　

红外（IR）光谱预测通常通过全局光谱误差来评估，但分析化学中的实际任务是结构验证：给定一个光谱，模型能否在众多候选者中将正确的结构排在较高位置？我们将红外建模重构为围绕结构验证问题，并扩展了相位感知光谱生成网络（PASGeN），以测试当检索准确率而非光谱相似度成为关注指标时，二维和三维图编码器的表现。使用 13568 个不同相态的实验红外光谱，我们用二维消息传递神经网络（MPNN）和三维等变编码器（PaiNN）训练模型，并在廉价的力场几何结构上对三维模型进行微调，以降低推理成本。在大规模检索测试中，三维编码器的表现显著优于二维基线（73.9% 对 62.9% 的 Top-1 准确率）。两个学习模型都大幅超过了 DFT 和 GFN2-xTB 量子化学基线的验证性能。描述符分析表明，富环、几何结构复杂的分子最能从包含三维信息中受益。通过围绕结构验证任务重构红外预测，并证明轻量级三维几何结构提供了可测量的优势，这项作建立了一条实用且可扩展的基于红外光谱的结构确认路线，其以极低的计算成本超越了基于物理的基线。

此内容仅可通过 PDF 访问。

打开 PDF 用于评估基于红外的有机结构验证的二维和三维图编码器的 PDF 在新窗口中打开

? 2026 作者。由英国皇家化学学会出版

2026

作者

本文基于 知识共享署名 4.0 国际许可协议。您可以在其他出版物中使用本文材料，无需向英国皇家化学学会申请进一步权限，前提是给予正确的致谢。

本文基于 知识共享署名 4.0 国际许可协议 。