AI与世界难题 · 化学与材料 · arXiv · 2026-10-21
利用电子先验实现可迁移振动光谱表征的响应态学习
原标题: Response-state Learning for Transferable Vibrational Spectroscopic Characterization with Electron Prior
当局域立体电子环境扰动中间响应状态、且高风险响应单元主导光谱指纹时，振动光谱预测会变得不准确。SO(3) 等变神经卡尔曼网络（SENK）构成一个响应状态级联，将用于 Hessian、偶极导数与极化率导数学习的等变 transformer 主干网络、用于状态依赖细化与可靠性感知的等变神经卡尔曼桥，以及一条融入 NBO 信息的电子先验通路结合在一起。SENK 在 QM9S 和 QMe14S 上优于 DetaNet，同时从小分子到类药物体系都保持了全谱 IR 与拉曼保真度，并在具有复杂立体电子效应的生物分子体系中保持稳定。