面向红外光谱功能基团自动识别的双路卷积网络:兼顾诊断谱带与全局背景的高效建模框架

《ACS Omega》:Functional Group Identification from Infrared Spectra via a Dual-Head Convolutional Network

【字体: 大 中 小 】 时间:2026年04月05日 来源:ACS Omega 4.3

编辑推荐:

  为解决红外光谱中因谱带重叠、弱吸收及振动特征依赖环境导致的自动功能基团识别难题,研究人员提出了一种物理启发的双路卷积神经网络(CNN)。该模型通过协同建模局部诊断谱带与全局光谱上下文,在多个数据集上实现了优于主流方法的识别性能(macro-F1达0.9169),并展现出良好的跨数据集泛化能力与可扩展性。其硬件友好设计使得在常规办公级设备上也能快速完成训练,为实验室日常部署提供了高效、准确的自动化分析工具。

  
红外(IR)光谱学作为一种通过振动特征探测分子结构的分析技术,在化学合成、药物分析、材料表征和环境监测等领域中占据核心地位。其非破坏性、快速获取数据及对样品制备要求低等特点,使其在实验室和工业场景中得以常规应用。然而,从红外光谱中准确识别功能基团在实践中仍面临诸多挑战。真实世界的光谱常存在显著的谱带重叠、弱吸收、基线漂移和仪器噪声等问题。此外,化学环境(如共轭、取代模式和分子间相互作用)的变化会导致特征振动谱带发生位移或展宽,这进一步增加了基于频率进行指认的复杂性。因此,红外光谱的解读仍严重依赖经验启发和专家判断,这种方式虽在经验丰富的分析人员手中有效,但其本身存在主观性且难以标准化,限制了红外光谱功能基团分析在高通量场景下的鲁棒性和可扩展性。
为了缓解人工解读的主观性和有限的可扩展性,一系列用于自动化功能基团识别的计算方法被探索。早期研究主要依赖谱库搜索算法或基于规则的专家系统,但这类方法对新颖分子结构的泛化能力较差。近年来,深度学习方法,特别是卷积神经网络(CNN),使得对原始红外光谱进行端到端建模成为可能,并在多种功能基团识别中实现了显著更高的准确率。尽管取得了进展,许多现有模型仍对谱带重叠和数据集特异性特征敏感,这表明红外光谱固有的某些结构性挑战尚未得到完全解决。此外,模型训练的高计算成本也限制了其实际应用。在实践研究中,需要识别的功能基组集合很少是固定的,研究目标的改变常常需要重新定义目标功能基团类别,这通常会导致模型需要重新训练。因此,对于预测准确性的追求必须与在办公级硬件上的计算效率取得平衡。
为了应对这些挑战,研究人员在《ACS Omega》上发表了一项研究,提出了一种物理启发的双路CNN架构,用于从红外光谱中进行高效且准确的功能基团识别。该架构明确协调局部诊断谱带和全局光谱上下文信息,旨在实现稳健的预测性能、可靠的跨数据集泛化能力以及对扩展功能基团系统的可扩展适应性,同时保持适合日常实验室部署的特性。
主要技术方法
研究采用Python数据收集流程从NIST Chemistry WebBook程序化检索红外光谱及对应分子信息,获得5743个气相吸收光谱,并统一重采样至3844–552 cm-1范围。功能基团基于SMARTS模式通过RDKit自动标注,形成多标签注释方案。模型方面,构建了一个包含并行全局与局部路径的双路一维卷积神经网络,两者通过基于查询-键-值(QKV)公式的跨注意力模块耦合。模型训练采用结合二元交叉熵(BCE)和软F1损失的复合损失函数,并使用5折交叉验证进行评估,性能指标包括精确度、召回率、准确率和F1分数。
研究结果
1. 整体性能表现
在21类功能基团的多标签识别任务中,所提出的模型在5折交叉验证中取得了0.9169的宏平均F1分数(macro-F1),表明在不同数据划分下性能一致。
2. 各类性能分析
在类别层面,大多数功能基团的F1分数高于0.80。烷烃、芳香族、羟基、羧酸、酯、醛、硝基化合物和异硫氰酸酯等功能基团取得了较高的F1分数。酮、醚、酰胺以及邻/间/对位取代模式等功能基团表现出中等性能。而腈和有机卤化物则表现出较低的F1分数,表明对这些基团的误检仍较频繁。值得注意的是,异硫氰酸酯尽管在数据集中仅有212个正样本,其F1分数达到了0.982,表明模型能有效捕获高度特征性的光谱特征,其性能并非仅由样本频率驱动。相比之下,拥有1401个正样本的有机卤化物F1分数仅为0.799,这表明仅凭样本丰度并不能保证高识别性能,对于某些功能基团而言,光谱的独特性比类别频率起着更关键的作用。
3. 与代表性基线的比较
与之前报道的基于CNN的代表性方法AggMapNet相比,所提模型取得了更高的整体宏平均F1分数(0.9169 vs. 0.8777)。其中,对酰卤和腈的改进最为显著,酰卤的F1分数从0.762提升至0.893,腈从0.725提升至0.847。炔烃和酰胺的性能也有明显提升。其他功能基团则表现出更温和的改进,但性能始终高于基线模型。同时,某些类别(如有机卤化物)对两种方法而言都仍具挑战性。
4. 跨数据集的泛化能力评估
模型进一步在Fcg-former和LEC-former基准上进行了评估。在Fcg-former数据集上,模型实现了0.9445的macro-F1分数和0.8114的精确匹配率(EMR),超越了基线模型。在更大规模的LEC-former数据集上,模型也保持了强劲的性能。更高的EMR表明,双路CNN能更有效地捕获单个光谱中多个功能基团的共存情况,而非仅改进孤立标签的识别。
5. 训练成本与实际可训练性
为了检验模型的实际训练成本,在多种常见计算环境(包括配备消费级GPU的个人电脑、无GPU加速的办公级系统以及基于Apple Silicon的桌面平台)上进行了训练时间测量。结果表明,所提出的模型在所有测试环境中都能在较短的挂钟时间内完成重新训练。在启用GPU的消费级硬件上,完整训练可在几分钟内完成(0.29分钟),而在非GPU系统上(包括纯CPU平台和Apple Silicon设备)也能在适合日常使用的实际时间范围内完成训练(分别为6.10分钟和3.41分钟)。这种级别的可训练性对于现实研究场景非常重要。
6. 消融研究
通过移除单个分支或禁用跨分支注意力机制进行了一系列消融实验。完整的双路模型取得了最高的macro-F1分数(0.9169)。移除任一支路(仅全局路径为0.9139,仅局部路径为0.9114)或禁用QKV交互(0.9134)都会降低性能。虽然在宏观层面差异不大,但这些改进并非均匀分布在所有功能基团上。对于腈,完整模型(F1=0.847)优于仅全局(0.829)和仅局部(0.827)变体,表明其增益主要来自不同感受野尺度特征的结合。对于酰卤,完整模型(F1=0.893)与消融变体(0.838-0.866)的差异更显著,表明其识别对特征聚合方式特别敏感。通过Grad-CAM++可视化分析发现,完整模型能正确识别酰胺基团,并关注到~1650-1700 cm-1区域的特征性酰胺I谱带,而消融模型则更关注酯羰基区域,无法从重叠特征中分辨出酰胺信号。
7. 错误分析与剩余挑战
对代表性功能基团的混淆矩阵分析显示,剩余误分类并非均匀分布在化学类别中。对于腈和烯烃,错误主要是假阴性,表明模型采取了一种保守的决策策略。而对于有机卤化物,则同时表现出较高的假阳性和假阴性率,这表明其学习到的决策边界本质上是不稳定的,这归因于其微弱且多变的C-X伸缩振动局限在指纹区。这些发现表明,此类情况下的进一步改进可能需要更丰富的光谱上下文或互补模态,而非仅靠渐进式的架构改进。
8. 对扩展功能基团定义的可扩展性
为了评估框架对功能基团定义的可扩展性,研究引入了更细粒度的子类(如伯、仲、叔醇/胺/酰胺,苯酚等),将标签空间从21类扩展至35类。在此扩展方案下,模型仍保持了强劲的整体性能,平均macro-F1分数约为0.88。Grad-CAM++分析表明,对于伯胺光谱,模型在~3500-3300 cm-1区域的对称和不对称N-H伸缩振动处分配了高相关性;对于仲胺,相关性则集中在单个主导的N-H伸缩谱带上。这表明模型学习了具有化学意义且基于物理的区分,而非依赖虚假关联。
研究结论与讨论
本研究开发了一种用于从红外光谱中进行多标签功能基团识别的双路卷积神经网络架构。通过明确分离局部诊断特征和全局光谱上下文,并通过跨尺度交互将它们耦合,所提出的模型在多个数据集和功能基团系统上取得了一致强劲且均衡的性能。该模型实现了0.9169的macro-F1分数,优于基线模型(0.8777)。模型能以适度的计算需求快速收敛,使得在常见硬件上重新训练成为可能。在扩展的标签定义下,模型仍保持了有竞争力的准确率。每类评估、消融实验和基于归因的可视化表明,观察到的性能提升源于对具有光谱挑战性类别的、具有化学意义的改进,而非表面的聚合效应。总之,这些结果表明,物理信息启发的架构设计可以增强红外光谱功能基团识别的可靠性和效率,在单模态红外分析范围内提供了一个实用且有效的解决方案。
研究也指出了当前工作的局限性。虽然模型相比基线模型展现出持续的改进,但在宏平均F1等聚合指标上的总体增益仍然有限。这表明,对于某些以微弱、重叠或光谱异质性振动模式为特征的功能基团,仅在单模态红外框架内通过架构改进来获得进一步提升的空间可能 inherently 受限。此外,本研究仅关注气相红外光谱,模型在液体或固体等其他物相光谱中的鲁棒性尚未评估。未来的工作将探索补充光谱模态(如核磁共振NMR光谱)的集成,并将框架扩展到混合物分析等更具挑战性的场景。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号