# 分子结构预测

2 篇关联报道

订阅更新

arXiv 2026年10月12日
分子结构选择题换了问法：把谱图打乱或替换，看模型是否真的在用证据
MolP2SBench 把分子性质到结构的推理改成带掩码骨架的多选题，并加入打乱与反事实替换两种干预，用来区分模型答对与模型真的用了所给性质。评测七个模型后发现，同一性质通道上的准确率高低并不对应模型对该性质变化的敏感程度，例如模型可能更受益于 1H NMR 却更少在 1H 数据被替换时改变选择；模型表现也不总与化学家对这些性质难度的直觉一致。
MolP2SBench 把分子性质到结构的推理改成带掩码骨架的多选题，并加入打乱与反事实替换两种干预，用来区分模型答对与模型真的用了所给性质。评测七个模型后发现，同一性质通道上的准确率高低并不对应模型对该性质变化的敏感程度，例如模型可能更受益于 1H NMR 却更少在 1H 数据被替换时改变选择；模型表现也不总与化学家对这些性质难度的直觉一致。
University of Georgia University of California, Berkeley University of Tennessee at Knoxville University of Illinois Urbana-Champaign Florida State University
Yuhang Xie（第一作者）
MolP2SBench基准性质锚定恢复率分子结构预测
PRX Intelligence 2026年9月24日
SMARTERS 用 Attention U-Net 从模拟 TERS 高光谱图直接预测平面分子结构，测试集平均 Dice 达 0.842
该工作提出 SMARTERS——一个基于 Attention U-Net 的编码器-解码器模型，在 1840 个平面小分子的模拟 TERS 高光谱图像上训练，把振动光谱图直接映射为二维原子位置图（测试集平均 Dice 相似系数 0.842）以及按元素（H、C、N、O）区分的化学分辨结构图（测试集平均 0.810），从而证明从 TERS 图像自动识别分子结构在模拟数据上可行，无需传统的人工比对与逐例量子化学计算。
该工作提出 SMARTERS——一个基于 Attention U-Net 的编码器-解码器模型，在 1840 个平面小分子的模拟 TERS 高光谱图像上训练，把振动光谱图直接映射为二维原子位置图（测试集平均 Dice 相似系数 0.842）以及按元素（H、C、N、O）区分的化学分辨结构图（测试集平均 0.810），从而证明从 TERS 图像自动识别分子结构在模拟数据上可行，无需传统的人工比对与逐例量子化学计算。
Aalto University Kanazawa University
Harshit Sethi（第一作者）Orlando José Silveira（通讯作者）
SMARTERS模型针尖增强拉曼光谱注意力U-Net 分子结构预测

已读完全部报道

分子结构选择题换了问法：把谱图打乱或替换，看模型是否真的在用证据

SMARTERS 用 Attention U-Net 从模拟 TERS 高光谱图直接预测平面分子结构，测试集平均 Dice 达 0.842