論文の概要: Latent Diffusion-Based 3D Molecular Recovery from Vibrational Spectra

• arxiv url: http://arxiv.org/abs/2603.06113v1
• Date: Fri, 06 Mar 2026 10:11:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:45.50658
• Title: Latent Diffusion-Based 3D Molecular Recovery from Vibrational Spectra
• Title（参考訳）: 遅延拡散に基づく振動スペクトルからの3次元分子の回収
• Authors: Wenjin Wu, Aleš Leonardis, Linjiang Chen, Jianbo Jiao,
• Abstract要約: Infrared(IR)スペクトルから3次元分子線を復元する潜在拡散モデルIR-GeoDiffを導入する。 我々は、スペクトルと構造の両方の観点から評価し、所定のIRスペクトルに対応する分子分布を復元する能力を示す。
• 参考スコア（独自算出の注目度）: 15.351320401615114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared (IR) spectroscopy, a type of vibrational spectroscopy, is widely used for molecular structure determination and provides critical structural information for chemists. However, existing approaches for recovering molecular structures from IR spectra typically rely on one-dimensional SMILES strings or two-dimensional molecular graphs, which fail to capture the intricate relationship between spectral features and three-dimensional molecular geometry. Recent advances in diffusion models have greatly enhanced the ability to generate molecular structures in 3D space. Yet, no existing model has explored the distribution of 3D molecular geometries corresponding to a single IR spectrum. In this work, we introduce IR-GeoDiff, a latent diffusion model that recovers 3D molecular geometries from IR spectra by integrating spectral information into both node and edge representations of molecular structures. We evaluate IR-GeoDiff from both spectral and structural perspectives, demonstrating its ability to recover the molecular distribution corresponding to a given IR spectrum. Furthermore, an attention-based analysis reveals that the model is able to focus on characteristic functional group regions in IR spectra, qualitatively consistent with common chemical interpretation practices.
• Abstract（参考訳）: 振動分光の一種である赤外線分光法は、分子構造決定に広く使われ、化学者にとって重要な構造情報を提供する。 しかし、IRスペクトルから分子構造を復元するための既存のアプローチは、1次元のSMILES文字列や2次元の分子グラフに依存しており、スペクトルの特徴と3次元の分子幾何学との間の複雑な関係を捉えることができない。 拡散モデルの最近の進歩は、3次元空間で分子構造を生成する能力を大幅に向上させた。 しかし、既存のモデルでは、単一のIRスペクトルに対応する3次元分子ジオメトリーの分布を探索していない。 本稿では,分子構造のノードおよびエッジ表現にスペクトル情報を統合することで,IRスペクトルから3次元分子ジオメトリーを復元する潜在拡散モデルIR-GeoDiffを紹介する。 我々は、IR-GeoDiffをスペクトルと構造の両方の観点から評価し、所定のIRスペクトルに対応する分子分布を復元する能力を実証した。 さらに、注意に基づく分析により、このモデルは、一般的な化学解釈の慣行と質的に整合したIRスペクトルの特徴的な官能基領域に焦点を合わせることができることが明らかになった。

関連論文リスト

• DiffSpectra: Molecular Structure Elucidation from Spectra using Diffusion Models [68.19129717255053]
  本稿では、分子構造解明を条件生成プロセスとして定式化する生成フレームワークであるDiffSpectraについて述べる。 我々の実験では、DiffSpectraが分子構造を正確に解明し、40.76%のトップ-1と99.49%のトップ10を達成している。
  論文  参考訳（メタデータ） (2025-07-09T13:57:20Z)
• MolSpectra: Pre-training 3D Molecular Representation with Multi-modal Energy Spectra [48.52871465095181]
  エネルギースペクトルを利用して3次元分子表現(MolSpectra)の事前学習を強化することを提案する。 具体的には,マルチスペクトルエンコーダのSpecFormerを提案する。 コントラスト目標を用いた3Dエンコーダとスペクトルエンコーダの出力の調整により,分子の3Dエンコーダの理解を深める。
  論文  参考訳（メタデータ） (2025-02-22T16:34:32Z)
• DiffMS: Diffusion Generation of Molecules Conditioned on Mass Spectra [60.39311767532607]
  本稿では,DiffMSを提案する。DiffMS,式制限付きエンコーダ・デコーダ生成ネットワークは,このタスクにおける最先端性能を実現する。 遅延埋め込みと分子構造をブリッジするロバストデコーダを開発するために,フィンガー構造対による拡散デコーダの事前訓練を行う。 確立されたベンチマーク実験により、DiffMSはデノボ分子生成における既存のモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-02-13T18:29:48Z)
• Unraveling Molecular Structure: A Multimodal Spectroscopic Dataset for Chemistry [0.1747623282473278]
  このデータセットは、特許データから化学反応から抽出された790k分子の1ドルH-NMR、13ドルC-NMR、HSQC-NMR、赤外線、質量スペクトルからなる。 本研究では, 構造解明, 対象分子のスペクトル予測, 機能群予測などの単一モダリティタスクを評価するためのベンチマークを行う。
  論文  参考訳（メタデータ） (2024-07-04T12:52:48Z)
• Infrared Spectra Prediction for Diazo Groups Utilizing a Machine Learning Approach with Structural Attention Mechanism [0.0]
  赤外分光法は、分子構造や力学を振動や回転の遷移を通じて解明する化学研究において重要な技術である。 本稿では、特にジアゾ化合物の赤外スペクトルの予測と解釈を強化するために、構造的注意機構を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T15:44:43Z)
• MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
  本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。 拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。 我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
  論文  参考訳（メタデータ） (2023-04-28T04:25:57Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。