論文の概要: Separability Is Not Alignability: Representations for Spectrum-to-Molecule Retrieval

• arxiv url: http://arxiv.org/abs/2610.37979v1
• Date: Tue, 27 Oct 2026 21:19:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.334621
• Title: Separability Is Not Alignability: Representations for Spectrum-to-Molecule Retrieval
• Title（参考訳）: 分離性はアライナビリティではない:スペクトル-分子間検索のための表現
• Abstract要約: 我々は、未ラベルスペクトルのスペクトルエンコーダと、大規模構造体上の分子エンコーダを訓練する。 我々は、いくつかの予測的目的が、その計量を固定することなく分子の同一性を修正することを証明した。 データ不足に最終的に対処するものはアーキテクチャではなく、シミュレーションされたスペクトルが凍った幾何学を超越している。
• 参考スコア（独自算出の注目度）: 12.335876513423038
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying a small molecule from its tandem mass spectrum is limited by paired data. Foundation models offer a way around this scarcity: pretrain a spectrum encoder on unlabeled spectra and a molecule encoder on a large corpus of structures, then align the two frozen representations, as in vision-language and as the Platonic Representation Hypothesis suggests. We audit this route on MassSpecGym with spectrum encoders retrained free of test-fold contamination. Alignment needs a metric relating distinct molecules, but the objectives that produce spectrum encoders never see molecular structure: we prove that some predictive objectives fix molecular identity without fixing that metric. Moreover, we find that a candidate-based objective rewards a spectrum-independent prior over the benchmark's decoys, which we isolate. What ultimately addresses data scarcity is not architectural: simulated spectra surpass frozen geometry.
• Abstract（参考訳）: タンデム質量スペクトルから小さな分子を同定することは、ペアデータによって制限される。 スペクトルエンコーダをラベルのないスペクトルで事前訓練し、分子エンコーダを大きな構造体で訓練した後、視覚言語やプラトン表現仮説が示すように、凍結した2つの表現を整列させる。 我々は、テストフォールド汚染のないスペクトルエンコーダを用いて、MassSpecGym上でこの経路を監査する。 アライメントは異なる分子に関する計量を必要とするが、スペクトルエンコーダを生成する目的は分子構造を見ることはない。 さらに、候補に基づく目的は、ベンチマークのデコイよりも先にスペクトル非依存に報いることが分かり、それを分離する。 データ不足に最終的に対処するものはアーキテクチャではなく、シミュレーションされたスペクトルが凍った幾何学を超越している。

関連論文リスト

• MAST: Motif-Augmented Diffusion with Search Tree for Spectroscopic Molecular Structure Elucidation [70.05861932701814]
  textbfSearch textbfTree を用いた textbfMotif-textbfAugmented diffusion framework である textbfMAST を提案する。 QM9Sマルチスペクトルベンチマークでは、MASTはtextbf94.89%の正確な回復を達成し、高い化学的妥当性と安定性を維持しながら3次元の忠実性を改善する。
  論文  参考訳（メタデータ） (2026-10-08T14:45:56Z)
• SpecCal: Ambiguity-Aware Candidate Calibration for Infrared Spectrum-Based Molecular Structure Reconstruction [7.290523865260595]
  赤外線スペクトルから分子構造を推定することは根本的な問題であるが、難しい問題である。 IR-to-molecule予測のためのトレーニング不要候補キャリブレーションフレームワークであるSpecCalを提案する。
  論文  参考訳（メタデータ） (2026-07-30T07:21:55Z)
• 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)
• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• To Bin or not to Bin: Alternative Representations of Mass Spectra [0.0]
  我々は、下流機械学習タスク、すなわちセットベースおよびグラフベース表現の前に、マススペクトルの双対化の2つの選択肢について検討する。 提案した2つの表現を比較して、回帰タスクにおいて、セット変換器とグラフニューラルネットワークをトレーニングし、それぞれが、バイナリデータに基づいてトレーニングされた多層パーセプトロンよりもかなり優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2025-02-15T16:52:36Z)
• 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)
• 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)
• MassFormer: Tandem Mass Spectrum Prediction for Small Molecules using Graph Transformers [3.2951121243459522]
  タンデム質量スペクトルは、分子に関する重要な構造情報を提供する断片化パターンをキャプチャする。 70年以上にわたり、スペクトル予測はこの分野において重要な課題であり続けている。 我々はタンデム質量スペクトルを正確に予測する新しいモデルMassFormerを提案する。
  論文  参考訳（メタデータ） (2021-11-08T20:55:15Z)

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。