L'IA face aux grands problèmes du monde · Chimie et matériaux · arXiv · 2026-10-21
Apprentissage des états de réponse pour une caractérisation spectroscopique vibrationnelle transférable avec a priori électronique
Titre original: Response-state Learning for Transferable Vibrational Spectroscopic Characterization with Electron Prior
La prédiction de spectres vibrationnels devient imprécise lorsque des environnements stéréoélectroniques localisés perturbent les états de réponse intermédiaires et que des unités de réponse à haut risque dominent les empreintes spectrales. Les SO(3) Equivariant Neural Kalman Networks (SENK) forment une cascade d'états de réponse combinant un backbone transformer équivariant pour l'apprentissage des hessiennes et des dérivées du dipôle et de la polarisabilité, un pont Equivariant Neural Kalman pour le raffinement dépendant de l'état et la détection de fiabilité, et une voie de priorité électronique informée par le NBO. SENK surpasse DetaNet sur QM9S et QMe14S tout en préservant la fidélité IR et Raman sur l'ensemble du spectre, des petites molécules aux systèmes de type médicament, et reste stable dans des systèmes biomoléculaires aux effets stéréoélectroniques complexes.