KI und die schwierigen Probleme der Welt · Chemie & Materialien · arXiv · 2026-10-21
Lernen von Antwortzuständen für transferierbare schwingungsspektroskopische Charakterisierung mit Electron Prior
Originaltitel: Response-state Learning for Transferable Vibrational Spectroscopic Characterization with Electron Prior
Die Vorhersage von Schwingungsspektren wird ungenau, wenn lokalisierte stereoelektronische Umgebungen Zwischen-Reaktionszustände stören und Hochrisiko-Reaktionseinheiten die spektralen Fingerabdrücke dominieren. SO(3)-äquivariante Neural-Kalman-Netzwerke (SENK) bilden eine Reaktionszustands-Kaskade, die ein äquivariantes Transformer-Backbone für das Lernen von Hesse-, Dipolableitungs- und Polarisierbarkeitsableitungen, eine Equivariant-Neural-Kalman-Brücke für zustandsabhängige Verfeinerung und Zuverlässigkeitserkennung sowie einen NBO-informierten Pfad mit elektronischem Prior umfasst. SENK übertrifft DetaNet auf QM9S und QMe14S und bewahrt dabei die Vollspektrum-IR- und Raman-Treue von kleinen Molekülen bis hin zu medikamentähnlichen Systemen, und bleibt in biomolekularen Systemen mit komplexen stereoelektronischen Effekten stabil.