基态电子密度作为机器学习输入比分子几何更准确地预测分子吸收光谱
相关研究与后续进展
核心概要
该工作从QM7数据集中选取6874个分子，用DFT计算基态电子密度、用线性响应TDDFT计算吸收光谱，比较以三维电子密度为输入的3D卷积神经网络与以原子几何为输入的图神经网络（SchNet、DimeNet++、MACE）在预测归一化吸收光谱上的表现，发现密度CNN的验证相关系数达0.9926，优于最佳几何图模型的0.9795，并将残余去相关降低约三分之二。
Figure 1: Schematic of the 3D-CNN model mapping an electron-density cube to a normalized spectrum over L L frequency bins via a Softmax output.
arXiv深度剖析
在归一化吸收光谱预测任务上，以基态电子密度为输入的3D卷积神经网络取得验证相关系数0.9926、验证MAE 7.14e-05，优于最佳几何图模型（SchNet，验证相关系数0.9795、MAE 1.36e-04）。 此前分子光谱机器学习多依赖原子类型与核坐标的几何表示；该工作在同一数据集、同一分子划分下直接比较密度与几何两类输入，显示密度表示在光谱形状预测上更准确。 在6874个QM7分子的统一训练/验证划分上比较，所有模型使用相同的Softmax归一化输出与相同验证集；报告的是验证集性能而非独立测试集估计。
以残余去相关（1减去相关系数）衡量，密度CNN将最佳图模型的残余去相关从约0.0205降至0.0074，去除近三分之二的剩余差距，同时将光谱MAE降低约一半。 由于相关系数上界为1，绝对提升约0.013看似不大，但残余去相关尺度更能反映接近完美光谱形状一致性的进展。 基于表4中最佳CNN配置与表1中最佳图模型配置的验证相关系数与MAE对比。
训练目标对图模型性能的影响至少与架构差异相当：KL、JS、L1和余弦损失均带来高相关，而直接优化Wasserstein距离的SchNet运行相关系数明显更低（如0.8216、0.6696、0.7344）。 该工作系统比较了分布型与逐点型损失函数，表明对Softmax归一化光谱而言，KL与JS散度提供最佳平衡性能。 表1、表3中跨损失函数的超参数扫描结果，覆盖SchNet、DimeNet++与MACE。
密度CNN在各类化学环境（键型、不饱和度、芳香性、杂原子、环、官能团）中保持稳健，多数类别中特征存在与不存在的分子间中位相关系数差异仅约0.01–0.02。 该分析表明模型并非仅对窄子集分子表现良好，而是跨多样化学环境保持性能。 基于验证集按化学类别分层的中位Pearson相关系数比较，芳香族等电子结构独特类别出现较大偏移。
启示与展望
该结果适用于QM7数据集中由H、C、N、O组成、非氢原子不超过七个的小有机分子，光谱窗口为0–12.2 eV（紫外至部分真空紫外），参考光谱由绝热LDA下的线性响应TDDFT生成。密度CNN需要先完成一次基态DFT计算，因此并非端到端替代电子结构理论，而是替代更昂贵的密度到响应步骤；一旦密度可用，推理仍在毫秒量级。该方法框架原则上可扩展至振动IR、拉曼与X射线吸收光谱，也可用于Bethe-Salpeter、ADC或EOM-CC等其他从头算方法生成的光谱，并可与图表示结合形成多模态模型。
当前密度CNN使用常规笛卡尔3D卷积，不具备内在旋转不变性，预测可能依赖密度网格的取向，结果是在数据集取向约定下展示的预测价值而非完全旋转稳健性。参考光谱在约6–8 eV以上部分对应离散化连续态，其位置依赖模拟盒尺寸，因此并非实验真空紫外吸收的收敛预测，但所有光谱使用同一协议，提供了一致的密度到光谱映射。所有报告均为验证集性能，未引入独立测试集。弱峰、肩峰与精细光谱结构的预测误差仍是开放问题；混合物解卷积、浓度效应与时间依赖互变异构体布居未纳入建模。