SpectraAI：多模态光谱Transformer驱动的分子结构解析基础模型

SpectraAI是用于分子结构解析的基础模型，采用多模态光谱Transformer将氢谱、碳谱和HSQC NMR信号对齐到潜在化学流形，结合SE(3)等变图神经网络精修3D坐标，在110万种化合物的化学空间中达到0.9987的R²精度，为有机化学和药物研发领域的自动化结构解析提供突破性解决方案。

传统分子结构解析依赖化学家专业知识和经验，分析NMR、IR、MS等波谱数据耗时；人工智能技术推动自动化解析成为可能，SpectraAI项目是该领域的突破性成果，通过创新多模态架构实现高精度自动化结构推断。

核心架构

1. 多模态光谱Transformer（MST）：将光谱峰标记化，通过跨模态注意力识别NMR化学位移长程相关性，对齐异构数据流到共享化学嵌入空间。
2. SE(3)等变图神经网络：保持旋转平移不变性，将潜在化学流形转换为三维坐标空间，确保结构物理合理性。
3. 物理引导反馈循环：反向计算理论光谱，最小化预测与实验光谱的Δδ损失，迭代精修结构。

反向光谱学逻辑

从观测电子屏蔽信号出发，通过自旋系统反卷积和全局约束优化推断原子坐标，解决光谱到结构的多对一映射问题。

六大创新特性

1. 多光谱AI推理：交叉验证¹H NMR、¹³C NMR、IR和HRMS数据，链式思维分析提升准确性。
2. 骨架约束解释：注入特定杂环家族NMR参考范围引导推理。
3. 混合验证机制：结合规则检查与AI评估生成置信度评分。
4. 离子液体感知：考虑离子液体对NMR位移的扰动效应。
5. 自动表征文本生成：生成符合学术规范的化合物表征段落。
6. 错误检测基准测试：对抗性测试确保模型可靠性。

支持的杂环骨架类型

咪唑并[1,2-a]吡啶类、吲哚类、喹唑啉/喹唑啉酮类、1,2,3-三唑类、吡唑并[1,5-a]嘧啶类、香豆素类，架构可扩展支持更多类型。

用户界面功能

• 交互式NMR图谱：标注化学位移和耦合模式。
• 完整性环形图：显示输入数据覆盖度。
• 置信度仪表盘：0-100分评分及雷达图展示。
• 可解释AI：光谱显著性映射与原子级置信度评估。
• ViT处理遗留数据：从光栅图像提取峰值信息。

技术栈

前端：PyQt5 + pyqtgraph；AI后端：Anthropic Claude API / Google Gemini API；数据处理：RDKit；架构：多模态Transformer + SE(3)等变GNN；模块化代码结构支持JSON序列化。

• 药物化学研究：加速候选化合物结构确认，提高合成效率。
• 天然产物鉴定：辅助解析复杂天然产物结构（无标准品时）。
• 教学培训：帮助学生理解光谱与结构关系。
• 质量控制：制药和化工行业快速结构验证。

SpectraAI代表AI在化学结构解析领域的重要进展，通过多模态Transformer与SE(3)等变GNN的创新结合，实现端到端自动解析，百万级数据集上达极高精度。友好UI与自动化文本生成落地AI能力，未来扩展骨架类型有望成为行业标准工具。