arXiv 2026年10月5日该工作提出 DiffGCMS——一个以质谱为条件的离散图扩散模型，用于从 GC-EI-MS 谱图从头解析分子结构，并进一步构建两阶段框架：第一阶段由 DiffGCMS 生成候选分子结构，第二阶段由大语言模型利用质谱信息验证、修复并重排候选，同时给出碎片离子峰的可解释分析；在 NIST 20 的 13,696 条谱图测试集上，生成模型取得 Acc@1 6.01% 与 Acc@10 15.76%，在重原子数不超过 10 的子集上，LLM 辅助的分子图修复与重排把 Acc@1 从 21.28% 提升到 21.95%、Acc@10 从 46.91% 提升到 47.99%、候选有效性从 91.04% 提升到 100%。该工作提出 DiffGCMS——一个以质谱为条件的离散图扩散模型，用于从 GC-EI-MS 谱图从头解析分子结构，并进一步构建两阶段框架：第一阶段由 DiffGCMS 生成候选分子结构，第二阶段由大语言模型利用质谱信息验证、修复并重排候选，同时给出碎片离子峰的可解释分析；在 NIST 20 的 13,696 条谱图测试集上，生成模型取得 Acc@1 6.01% 与 Acc@10 15.76%，在重原子数不超过 10 的子集上，LLM 辅助的分子图修复与重排把 Acc@1 从 21.28% 提升到 21.95%、Acc@10 从 46.91% 提升到 47.99%、候选有效性从 91.04% 提升到 100%。DiffGCMS 用离散图扩散从 GC-EI-MS 谱图直接推断分子结构，并以 LLM 修复重排候选该工作提出 DiffGCMS——一个以质谱为条件的离散图扩散模型，用于从 GC-EI-MS 谱图从头解析分子结构，并进一步构建两阶段框架：第一阶段由 DiffGCMS 生成候选分子结构，第二阶段由大语言模型利用质谱信息验证、修复并重排候选，同时给出碎片离子峰的可解释分析；在 NIST 20 的 13,696 条谱图测试集上，生成模型取得 Acc@1 6.01% 与 Acc@10 15.76%，在重原子数不超过 10 的子集上，LLM 辅助的分子图修复与重排把 Acc@1 从 21.28% 提升到 21.95%、Acc@10 从 46.91% 提升到 47.99%、候选有效性从 91.04% 提升到 100%。该工作提出 DiffGCMS——一个以质谱为条件的离散图扩散模型，用于从 GC-EI-MS 谱图从头解析分子结构，并进一步构建两阶段框架：第一阶段由 DiffGCMS 生成候选分子结构，第二阶段由大语言模型利用质谱信息验证、修复并重排候选，同时给出碎片离子峰的可解释分析；在 NIST 20 的 13,696 条谱图测试集上，生成模型取得 Acc@1 6.01% 与 Acc@10 15.76%，在重原子数不超过 10 的子集上，LLM 辅助的分子图修复与重排把 Acc@1 从 21.28% 提升到 21.95%、Acc@10 从 46.91% 提升到 47.99%、候选有效性从 91.04% 提升到 100%。