从分子到复杂样品的红外光谱化学传感和分析的模拟到真实迁移学习

红外 (IR) 光谱广泛用于化学传感，但从光谱中提取可靠的化学信息仍然具有挑战性。传统的解释是劳动密集型的，依赖于先验知识和参考光谱，并且难以扩展，而大多数机器学习方法是针对单个任务或数据集定制的，需要大量标记的训练集，并且在分析目标和实验数据集之间的迁移很差。在这里，我们介绍 UltraIR，这是一种红外光谱学的基础模型，具有超过 1 亿个参数，可实现从分子到复杂样品的化学传感和分析的模拟到真实的迁移学习。 UltraIR 使用光谱重建、分子指纹相似性比对和官能团预测对大约 6000 万个模拟红外光谱进行预训练，然后使用特定于任务的标签或目标来适应下游目标。在功能组预测、分子结构阐明、理化性质预测、混合物成分识别和定量、细菌分类、药草地理来源追溯和成分定量、微塑料分类和土壤性质预测等方面，UltraIR 优于传统机器学习和特定任务深度学习基线。它在有限的标记实验光谱和零样本推理中表现出色，可在傅里叶变换红外光谱仪和实验室中执行相同的分析任务，为从复杂的现实世界样品中实现适应性强、数据高效的化学传感提供了一条途径。