Hypothesis-and-Refinement Learning of Organic Structures From Multimodal Spectroscopic Data
一个“假设—精修”系统:先依据多模态光谱提出分子结构假设,再以同时考虑分子式、精确质量与不饱和度的分子生成模型加以修正。
查看论文迈向贯通测量、机理与发现的科学人工智能。
01 / 代表成果
研究涵盖分子结构解析、量子几何、可解释学习与化学自动化。
一个“假设—精修”系统:先依据多模态光谱提出分子结构假设,再以同时考虑分子式、精确质量与不饱和度的分子生成模型加以修正。
查看论文GeoOpt-Net 采用 SE(3) 等变多保真学习,在一次确定性前向传播中,将低成本生成的力场构象直接映射为具 DFT 级精度的分子几何结构。
一种分层符号学习框架,将复杂的多变量关系转化为紧凑且具化学可解释性的方程。
查看论文一篇串联自动化实验、保留行为预测、条件优化与闭环色谱分离的研究展望。
查看论文一种以官能团为中心的学习策略,利用局部结构信息,提高红外光谱预测的准确性、稳健性与可解释性。
想查看包括合作成果在内的完整发表记录?
打开 Google Scholar02 / 关于我
我是北京大学材料物理与化学专业的博士候选人,导师为 莫凡洋教授 。本科就读于南开大学化学专业。
我的研究关注人工智能如何结合化学家实际使用的各类证据:光谱、三维结构、物理约束、实验条件与迭代反馈。
Seed Edge 实习生 · STEM 科学家项目
材料物理与化学博士候选人 · 预计毕业:2027年6月
化学学士
03 / 联系
我期待在分子推理、化学智能体、光谱学、几何学习与科研自动化等方向开展合作。