近日，课题组任浩老师与我校生物中心黄方教授、中国科学技术大学罗毅教授、江俊教授等合作，发展的分子振动光谱的机器学习快速预测方法，以及基于振动谱的分子结构智能识别模型在 Fundamental Research首卷在线发表。Fundamental Research 为国家自然科学基金委主办的综合性双月刊，2021 年开始发行。
该项工作着眼于基础研究和工业应用中应用分子光谱进行结构表征的基本问题，致力于应用人工智能技术解决光谱表征中人力和时间成本需求高且易引入人为误差的瓶颈。工作主要分为两部分：1）基于已知结构快速预测振动光谱，计算效率相比于中等精度的杂化泛函（B3LYP/6-311G**）提高三个数量级；原则上，光谱预测模型的精度可通过提供更高精度的训练集数据而提高，届时计算效率提升将更为明显；2）首次参照人类专家识谱、解谱流程，基于长短时记忆（LSTM）网络构建了结构智能识别模型，可综合考虑不同光谱（如IR和Raman）信号所携带的选择定则进行判断，识别分子结构；此外，已有的LSTM模型还可读入其他谱学或非谱学特征数据，用于提高结构识别准确度。
本工作是将人工智能领域的新技术用于传统理论计算化学的一个尝试，表明机器学习这一强力工具在传统学科中具有极大应用前景。在系统性提高数据分析效率的同时，更重要的是具备更强大的抽象能力，便于提取更高维度的结构—性质定量关联，深化对客观世界的认识。
