分子结构解析，堪称化学研究中最基础却也最令人棘手的任务之一。传统方法大家耳熟能详：获取核磁共振、红外光谱、质谱等数据后，依赖经验逐层推理。问题在于，每种谱学技术仅能揭示分子部分信息，一个结构往往存在多种可能性，究竟哪个正确难以判定。如今虽有不少计算工具，但多数只针对单一谱图，预处理流程繁琐，且缺乏置信度评估，更难以适应全新的化学空间。

近期，研究团队提出一套名为SECS的框架——全称为Structure Elucidation from Chemical Spectra（基于化学谱图的结构解析）。其核心思路颇具巧思：将对比学习与进化算法相结合，直接从原始多模态谱图（NMR、IR、MS）推断分子结构。系统首先学习一个共享潜在空间，使谱图与对应的分子结构在其中“对齐”；随后通过遗传算法不断优化候选结构，最终输出一份包含可信度评分及数据库背景信息的候选列表。

在多项高难度结构解析任务中，SECS不仅显著优于现有自动解谱方法，还与资深化学家进行了直接对比——结果不相上下。更令人瞩目的是，它能识别文献中错误的结构归属，且数据库一旦更新即可快速适应新领域，无需重新训练模型。简言之，对比学习与进化搜索的组合，为自动化结构解析开辟了一条全新路径。

分子与材料通常借助光谱学和质谱学进行表征。每种实验技术仅能呈现分子结构的一个侧面，因此要全面了解其全貌，必须整合多种结果。例如，红外光谱揭示官能团信息，核磁共振则提供原子连接方式及周围环境的细节。

长期以来，结构解析完全依赖人工分析谱图、查阅数据库、积累经验并进行逻辑推理，逐步拼凑出结构。如今，量子化学模拟与机器学习虽能实现“从结构预测谱图”，但反向的“从谱图到结构”依然是块难啃的硬骨头。

近年来，数据库检索与深度学习也开始尝试自动解析。然而，数据库仅能识别已存储的化合物；端到端模型虽可直接预测结构，却往往只使用单一谱图，无法像化学家那样综合多种信息。此外，大多数计算机辅助工具仍需进行峰提取等预处理，与自动化实验室的需求相距甚远。

一个理想的自动结构解析平台应具备五种能力：直接处理原始实验数据、支持多谱学联合分析、能适应新化学空间、可扩展性强，并能为用户提供可信度评估与背景参考。SECS正是朝着这些目标设计的。

方法

SECS的整体策略可概括为“检索—优化”。首先，通过对比学习训练多个编码器，使不同谱学数据与分子结构在同一潜在空间中对齐。具体而言，模型分别编码¹H NMR、¹³C NMR、HSQC、IR等谱图以及SMILES结构式，利用对比学习让同一分子的不同表示在空间中彼此靠近。

实际运行时，系统根据输入谱图从大型数据库中检索出最相似的候选结构集合，将这些候选分子作为初始种群，输入图遗传算法（GraphGA）。遗传算法通过修改原子、键和子结构生成新分子，并以多模态谱图与结构表示之间的相似度作为适应度函数进行优化。最终输出一个按匹配程度排序的结构列表——其中既有数据库中的已知化合物，也有算法新生成的分子，既能识别已知物质，又能发现全新结构。

图1: SECS整体框架。

结果

多模态谱学联合分析显著提升结构检索能力

先看跨模态检索模块的表现。研究人员选取了1000个同时拥有¹H NMR、¹³C NMR、HSQC和IR谱图的专利分子进行测试，分析不同谱学组合对检索准确率的影响。

结果非常直观：仅使用一种谱图时，正确结构的检索率约为89%；两种谱图联合使用，提升至96.4%；三种组合达到98.1%；四种全部应用，准确率直接攀升至98.4%。不同谱学技术提供的信息确实互补——单一谱图下许多结构问题存在多种解，而多模态融合后歧义逐步消除。这恰恰说明了模拟化学家多维度分析策略的重要性。

图2： SECS工作流程概览：对比学习驱动的跨模态检索与进化优化结构解析。

SECS显著超越现有自动结构解析方法

检索模块效果虽好，但在真实化学研究中，大家更关心那些不在数据库中的新化合物。因此，遗传算法生成与优化结构的能力至关重要。

实验显示，SECS在结构解析任务中的Top-1准确率约为82%，比此前使用峰列表输入的Transformer方法高出22个百分点。有趣的是，加入¹³C NMR后性能提升最为显著，再加入HSQC及其他谱图虽仍有增益，但幅度趋于平缓。这表明许多结构问题仅靠一维NMR即可解决，更复杂的歧义才需二维谱及其他技术。此外，遗传算法迭代次数越多，预测效果越好，计算资源与搜索质量之间存在正相关关系。

图3： 多种谱学技术组合下的结构检索与结构解析性能评估。

模型能够提供可靠的可信度评估

自动解析能否投入实用，关键在于能否告知研究人员“这个结果是否可靠”。研究者分析了谱图与结构表示之间的相似度评分与实际预测准确率的关系，发现两者几乎呈线性相关。例如，当评分超过0.94时，预测正确的概率约为94%——这种校准特性意味着系统输出的相似度分数可直接作为可信度指标。在自动化实验室中，系统不仅能给出结果，还能自动判断结果的可信程度，为后续实验决策提供依据。

成功发现文献中的错误结构归属

接下来测试了纠错能力。研究人员选取了几个历史上曾被误判、后来又被修正的天然产物案例。他们将正确化合物的谱图输入SECS，让系统评估当初发表的那个错误结构。结果显示，所有错误结构均获得低分，表明系统能识别异常。更妙的是，再运行一次完整的检索加遗传算法优化流程，SECS全部恢复了后来确认的正确结构，且分数显著更高。这意味着SECS不仅能预测结构，还可作为实验数据质量控制工具，用于发现数据库录入错误、实验记录错误或文献中的结构归属错误。

图4： 利用SECS纠正文献中错误分子结构归属的典型案例。

实验谱图微调显著提升真实场景性能

再来看看在真实实验数据上的表现。内部数据集包含34个实验分子，仅使用模拟谱图训练的模型几乎无法解析——模拟数据与真实仪器数据差距过大。后来引入谱图增强策略，并用约2370个实验分子进行微调。Top-1准确率从接近0%飙升至38.2%，微调后进一步达到55.8%。当同时使用实验的¹H NMR和¹³C NMR数据时，Top-1达到88.2%，Top-3达到97.1%。这说明少量真实实验数据即可大幅提升模型在现实场景中的可用性。

图5： SECS在实验NMR数据上的结构解析性能表现。

达到资深化学家的结构解析水平

最后进行人机对决。研究人员随机选取了20个具有挑战性的结构解析任务，邀请6位不同背景的化学研究人员参与，其中包括一位拥有二十多年NMR经验的专家。参与者需根据¹H NMR谱图和分子式画出未知结构，并可自由使用数据库及其他工具。

结果如何？最厉害的专家也只能解对不到一半的问题，且完成全部任务平均耗时13.2小时。SECS在相同任务上的整体表现与专家水平相当——统计学上两者无显著差异，其综合表现排在所有参与者的第64百分位。这是首次有自动结构解析系统能在复杂真实任务中达到专业化学家的平均水平。

图5： SECS在实验NMR数据上的结构解析性能表现。

讨论

SECS框架将对比学习与进化算法有机结合，实现了从原始多模态谱图到分子结构的端到端推断。与传统方法相比，它无需峰提取等预处理步骤，灵活整合NMR、IR、MS等不同谱学信息，利用统一的潜在空间完成跨模态检索与结构优化。

实验一再证明：多模态信息融合是解决结构歧义的关键，而对比学习构建的共享表示空间为协同分析奠定了坚实基础。再加上遗传算法，系统不仅能识别已知化合物，还能生成全新结构，突破了传统数据库检索的局限。更重要的是，SECS为研究人员提供了可信度评分与候选结构背景信息，使预测结果可理解、可验证。此外，只需更新数据库即可适应新化学空间，无需重新训练模型——这对企业内部数据库、电子实验记录本及自动化实验平台而言，价值不言而喻。

当然，目前SECS尚未完全处理立体化学问题，也未扩展至复杂混合物体系。未来可引入NOESY等更多谱学技术，或加入混合物分解策略以进一步提升性能。此外，该框架还有望延伸至蛋白质结构解析、材料结构鉴定，乃至自动化机器人实验室等更广泛的应用场景。

参考资料
Mirza, A., Patiny, L. & Jablonka, K.M. End-to-end multimodal structure elucidation from raw spectra combining contrastive learning and evolutionary algorithms. Nat Commun 17, 5013 (2026).
https://doi.org/10.1038/s41467-026-73846-y