研究人员开发了MAST,一个新颖的基于扩散的模型框架,旨在改进从光谱数据解析分子结构。MAST在去噪过程中融入了可解释的基序先验作为中间证据,有助于减少歧义并增强光谱条件优化。该框架还采用奖励引导的树搜索进行扩散采样,优先考虑高效的去噪轨迹,以生成一组简洁且与光谱一致的候选分子。在QM9S基准测试中,MAST展示了94.89%的高精确恢复率,并提高了3D保真度,同时保持了化学有效性和稳定性。 AI
影响 该框架通过提高从光谱数据确定分子结构的准确性和效率,有望加速化学和材料表征。
排序理由 该集群描述了一篇关于用于分子结构解析的新颖框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →