論文の概要: SpecXMaster Technical Report

• arxiv url: http://arxiv.org/abs/2603.23101v2
• Date: Thu, 26 Mar 2026 11:20:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 13:32:29.96013
• Title: SpecXMaster Technical Report
• Title（参考訳）: SpecXMaster技術報告
• Authors: Yutang Ge, Yaning Cui, Hanzheng Li, Jun-Jie Wang, Fanjie Xu, Jinhan Dong, Yongqi Jin, Dongxu Cui, Peng Jin, Guojiang Zhao, Hengxing Cai, Rong Zhu, Linfeng Zhang, Xiaohong Ji, Zhifeng Gao,
• Abstract要約: SpecXMasterは、NMR分子スペクトル解釈にエージェント強化学習(RL)を活用するインテリジェントフレームワークである。 これにより、生のFIDデータから直接1Hと13Cのスペクトルから多重度情報を自動抽出することができる。 複数の公開NMR解釈ベンチマークで優れた性能を示し、プロの化学分光学者による反復的な評価によって洗練されている。
• 参考スコア（独自算出の注目度）: 21.076287870143727
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Intelligent spectroscopy serves as a pivotal element in AI-driven closed-loop scientific discovery, functioning as the critical bridge between matter structure and artificial intelligence. However, conventional expert-dependent spectral interpretation encounters substantial hurdles, including susceptibility to human bias and error, dependence on limited specialized expertise, and variability across interpreters. To address these challenges, we propose SpecXMaster, an intelligent framework leveraging Agentic Reinforcement Learning (RL) for NMR molecular spectral interpretation. SpecXMaster enables automated extraction of multiplicity information from both 1H and 13C spectra directly from raw FID (free induction decay) data. This end-to-end pipeline enables fully automated interpretation of NMR spectra into chemical structures. It demonstrates superior performance across multiple public NMR interpretation benchmarks and has been refined through iterative evaluations by professional chemical spectroscopists. We believe that SpecXMaster, as a novel methodological paradigm for spectral interpretation, will have a profound impact on the organic chemistry community.
• Abstract（参考訳）: インテリジェントスペクトロスコピーは、物質構造と人工知能の間の重要な橋渡しとして機能する、AI駆動のクローズドループ科学発見において重要な要素である。 しかし、従来の専門家依存のスペクトル解釈は、人間の偏見や誤りへの感受性、限られた専門知識への依存、通訳間のばらつきなど、かなりのハードルに遭遇する。 これらの課題に対処するために、NMR分子スペクトル解釈にエージェント強化学習(RL)を活用するインテリジェントフレームワークであるSpecXMasterを提案する。 SpecXMasterは、生のFIDデータから直接、1Hと13Cのスペクトルから多重度情報を自動抽出することができる。 このエンドツーエンドパイプラインは、NMRスペクトルの化学構造への完全自動解釈を可能にする。 複数の公開NMR解釈ベンチマークで優れた性能を示し、プロの化学分光学者による反復的な評価によって洗練されている。 SpecXMasterは、スペクトル解釈のための新しい方法論パラダイムとして、有機化学コミュニティに大きな影響を与えるだろうと考えています。

関連論文リスト

• How well can off-the-shelf LLMs elucidate molecular structures from mass spectra using chain-of-thought reasoning? [51.286853421822705]
  大規模言語モデル (LLM) は推論集約的な科学的タスクを約束するが、化学的解釈の能力はまだ不明である。 我々は、分子構造を予測するために、LLMが質量スペクトルデータに対してどのように理由を持つかを評価する、Chain-of-Thought(CoT)プロンプトフレームワークとベンチマークを導入する。 SMILESの妥当性, 式整合性, 構造的類似性の指標による評価の結果, LLMは合成学的に有効で, 部分的に可視な構造を生成できるが, 分子予測の正確性やリンク推論を達成できないことがわかった。
  論文  参考訳（メタデータ） (2026-01-09T20:08:42Z)
• NMIRacle: Multi-modal Generative Molecular Elucidation from IR and NMR Spectra [13.594833907772783]
  NMIRacleは、最小限の仮定でAI駆動分光の最近のパラダイムの上に構築された、2段階の生成フレームワークである。 最初の段階では、NMIRacleはカウントアウェアの断片コードから分子構造を再構築することを学ぶ。 第2段階では、スペクトルエンコーダが入力分光測定値を潜時埋め込みにマッピングする。 この定式化はフラグメントレベルの化学モデリングをスペクトル証拠で橋渡しし、正確な分子予測をもたらす。
  論文  参考訳（メタデータ） (2025-12-17T10:29:39Z)
• NMR-Solver: Automated Structure Elucidation via Large-Scale Spectral Matching and Physics-Guided Fragment Optimization [24.714189961887215]
  核磁気共鳴分光法(英: Nuclear Magnetic Resonance spectroscopy、NMR)は、有機化学において最も強力で広く用いられている分子構造解明法の一つである。 本稿では,小さな有機分子構造を1ドルHおよび13ドルCのNMRスペクトルから自動決定するための,実用的で解釈可能なフレームワークであるNMR-rについて述べる。
  論文  参考訳（メタデータ） (2025-08-30T23:59:12Z)
• Language Models Can Understand Spectra: A Multimodal Model for Molecular Structure Elucidation [9.987376780022345]
  マルチモーダル分光関節推論をサポートするために設計された,最初の大規模言語モデルであるSpectraLLMを提案する。 連続的および離散的な分光モジュラリティを共有意味空間に統合することにより、SpectraLLMはスペクトル間で一貫性があり相補的な構造パターンを明らかにすることを学ぶ。 我々は、小分子領域におけるSpectraLLMの事前学習と微調整を行い、6つの標準化された公開化学データセットで評価する。
  論文  参考訳（メタデータ） (2025-08-04T13:33:38Z)
• 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)
• 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)
• Generalization Error Analysis for Sparse Mixture-of-Experts: A Preliminary Study [65.11303133775857]
  Mixture-of-Experts (MoE)計算アマルガメート予測 Sparse MoEは、限られた数、あるいは1つの専門家だけを選択的に扱うことで、経験的に保存され、時にはパフォーマンスが向上する一方で、オーバーヘッドを大幅に削減する。
  論文  参考訳（メタデータ） (2024-03-26T05:48:02Z)
• 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。