[论文解读] Artificial Intelligence in Spectroscopy: Advancing Chemistry from Prediction to Generation and Beyond

Kehan Guo, Yili Shen+9 more|ArXiv.org|Feb 14, 2025

Various Chemistry Research Topics被引用 7

一句话总结

对 SpectraML 在 MS、NMR、IR、Raman 与 UV-Vis 的全面综述，概述前向和逆向任务、体系结构、挑战，以及包括生成式和基础模型在内的新兴方向，附带一个开源数据集仓库。

ABSTRACT

The rapid advent of machine learning (ML) and artificial intelligence (AI) has catalyzed major transformations in chemistry, yet the application of these methods to spectroscopic and spectrometric data, referred to as Spectroscopy Machine Learning (SpectraML), remains relatively underexplored. Modern spectroscopic techniques (MS, NMR, IR, Raman, UV-Vis) generate an ever-growing volume of high-dimensional data, creating a pressing need for automated and intelligent analysis beyond traditional expert-based workflows. In this survey, we provide a unified review of SpectraML, systematically examining state-of-the-art approaches for both forward tasks (molecule-to-spectrum prediction) and inverse tasks (spectrum-to-molecule inference). We trace the historical evolution of ML in spectroscopy, from early pattern recognition to the latest foundation models capable of advanced reasoning, and offer a taxonomy of representative neural architectures, including graph-based and transformer-based methods. Addressing key challenges such as data quality, multimodal integration, and computational scalability, we highlight emerging directions such as synthetic data generation, large-scale pretraining, and few- or zero-shot learning. To foster reproducible research, we also release an open-source repository containing recent papers and their corresponding curated datasets (https://github.com/MINE-Lab-ND/SpectrumML_Survey_Papers). Our survey serves as a roadmap for researchers, guiding progress at the intersection of spectroscopy and AI.

研究动机与目标

• 对五大光谱模态（MS、NMR、IR、Raman、UV-Vis）进行统一的 SpectraML 综述。
• 在光谱 ML 中区分和组织前向（分子到光谱）与逆向（光谱到分子）任务。
• 识别关键挑战（数据质量、多模态整合、可扩展性）和机遇（基础模型、合成数据、少样本/零样本学习）。
• 呈现从模式识别到生成和推理框架的历史演变路线图。
• 提供一个包含数据集和代码的开源资源库，以促进可重复性研究。

提出的方法

• 对前向和逆向光谱任务中使用的神经网络架构进行调查和分类（GNNs、transformers、CNNs、RNNs、扩散模型、GANs）。
• 描述对光谱和分子结构的数据表示（向量、序列、图、SMILES、坐标）。
• 讨论前向问题的方法（分子到光谱的预测），包括编码–预测框架和输出模态（回归/分类/生成）。
• 讨论逆向问题的方法（光谱到分子推断），包括编码器–解码器和编码器–预测器方案，以及 SMILES 和图输出的示例。
• 对统一框架和跨模态整合的分析，包括基础模型和物理信息生成模型。

实验结果

研究问题

• RQ1 在五种光谱模态中，推动前向（分子到光谱）和逆向（光谱到分子）问题的主导 ML 方法有哪些？
• RQ2 数据表示和预处理策略如何演变以处理高维光谱数据？
• RQ3 数据质量、稀缺性和跨模态整合的主要挑战是什么，以及哪些新兴方向能够解决这些问题？
• RQ4 基础模型和合成数据生成如何重新塑造 SpectraML，以实现少样本/零样本学习和跨模态任务？
• RQ5 存在哪些开源资源以支持可重复的 SpectraML 研究？

主要发现

• ML 方法已从传统模式识别发展为基于 transformers 与基于图的模型，覆盖五种光谱模态。
• 将前向与逆向问题统一框架，有助于阐明 SpectraML 的方法选择与评估。
• 数据质量、稀缺性和跨模态整合仍是核心挑战，推动对合成数据、物理信息方法和大规模预训练的兴趣。
• 基础模型和跨模态融合为少样本/零样本学习以及更稳健的光谱推理提供了路径。
• 提供一个开源数据集和代码仓库，以促进可重复的 SpectraML 研究。