arXiv · q-bio.QM (定量方法)· Montgomery Bohde, Hongxuan Liu, Mrunali Manjrekar, Magdalena Lederbauer, Shuiwang Ji, Runzhong Wang, Connor W. Coley·· 13 天前精选AI 评分71
FRIGID：基于扩散语言模型的质谱分子生成框架，推理时扩展提升从头结构解析
FRIGID: Scaling Diffusion-Based Molecular Generation from Mass Spectra at Training and Inference Time
AI 导读
FRIGID 是一个以串联质谱为条件、经中间指纹表示与已确定化学式生成分子结构的扩散语言模型框架，在数亿条无标注结构上训练。作者用正向碎裂模型在推理阶段识别与谱图不一致的片段，并通过定向重掩码与去噪进行修正，在 MassSpecGym 上 Top-1 准确率超过 18%，在 NPLIB1 上把领先方法的 Top-1 准确率提升至三倍。分析显示其性能随推理算力增加呈对数线性提升，代码已公开。
推荐理由
该预印本把质谱到结构的从头解析扩展到亿级训练与推理时扩展，并给出推理算力与准确率的对数线性关系。
来源：arXiv · q-bio.QM (定量方法) · arxiv.org