物理知識を組み込んだ深層学習により超高分解能核磁気共鳴分光法が高速化

分子をより鮮明に見る

核磁気共鳴（NMR）分光法は分子の観察における化学の最も強力な顕微鏡の一つですが、その最も詳細なモードは非常に時間がかかることがあります。本論文は、人工知能を用いて特に分解能の高い形式のNMRであるピュアシフトNMRを、必要な微細情報を損なうことなく劇的に高速化する手法を紹介します。より速く明瞭なスペクトルは、化学者が複雑な反応をリアルタイムで追跡したり、より良い医薬品や触媒を設計したり、実際の混合系での分子の振る舞いを理解したりするのに役立ちます。

通常のNMRが不十分になる理由

従来のNMRは原子核からの微妙な磁気信号をピークのグラフに変換して、分子の構造や環境を明らかにします。多くの類似した分子が含まれる混雑した試料では、これらのピークがしばしば重なり複雑なパターンに分裂し、解釈が難しくなります。ピュアシフトNMRはこれらの複数ピークパターンを単一の鋭い線に収束させることで図を単純化し、プロトンスペクトルの「超高分解能」ビューを提供します。ただし、ピュアシフト法は追加の時間点を記録し、多くの小さなデータ断片をつなぎ合わせる必要があるため、特に既に計測時間が限界に近い2次元または3次元技術では実験が十倍以上長くなることがあります。

品質は落とさずに時間を短縮する

実験時間を短縮する一つの方法は、データの一部だけを記録して後で欠落部分を再構成することです。これまでのアプローチは圧縮センシングの考え方を借用しましたが、慎重なチューニングが必要であり、弱い信号や正確なピーク強度を取り戻せないことがありました。著者らは、まばらにサンプリングされた測定から高品質なピュアシフトスペクトルを再構築する方法を例から直接学習する新しい深層学習フレームワーク、DA-PSNetを提示します。このネットワークは「物理知識を組み込んで」おり、通常スペクトルが表示される周波数領域と、実際に測定されたデータとの整合性を強制する時間領域の双方で動作します。また、注意機構を用いて、強いピークの近くに埋もれた弱いピークのような微妙な特徴に焦点を当てます。

1次元および2次元でより鋭いスペクトル

研究チームはまず、1-ブタノールや酪酸などの混合物の1次元ピュアシフトスペクトルでDA-PSNetをテストしました。これらでは通常のNMRで重要なピークが強く重なっています。通常のピュアシフトデータの約5％しか使わない場合、生のまばらスペクトルはひどく歪みます。従来の再構成法は低濃度信号を回復するのに苦労し、ピーク強度を歪めます。これに対してDA-PSNetは、隣接したピークを復元し、それらの相対的な高さを保存し、人工的な特徴を抑制します。しかも従来法より約100倍速く動作します。やや高いサンプリングレベルでは、再構成は定量的に要求の厳しい作業に十分な精度になり、それでも実験時間を数倍短縮します。

反応追跡と複雑な混合物の分離

次に著者らは、同じ訓練済みモデルが再訓練なしでより複雑な多次元実験を高速化できることを示します。分子が溶液中でどのくらい速く拡散するかの情報を付加する2次元ピュアシフトDOSY測定では、DA-PSNetは通常のデータのわずか40％から、三種の類似有機化合物混合物に対する高分解能データセットを再構成します。得られたマップは成分をきれいに分離し、完全にサンプリングした参照スペクトルと98％以上の統計的一致を示します。さらにこの手法はリアルタイム電気化学実験でも有用であることが証明されました：ピュアシフトNMRとDA-PSNet再構成を組み合わせることで、研究者らは触媒上で時間とともに変化する燃料分子（1-ブタノール）とその酸化生成物（酪酸）の信号を明瞭に区別でき、どの触媒が燃料をより効率的に変換するかを明らかにします。

今後の分子研究にとっての意味

要するに、本研究は慎重に設計された物理を意識したニューラルネットワークが、弱いピークや正確な強度を保持しつつ欠落したNMRデータを「補完」し、実験時間を劇的に短縮できることを示しています。限界は残ります—収集するデータがあまりに少ないと、優れたモデルでもスペクトルを完全に回復できず、訓練は対象とする試料や条件の範囲を反映していなければなりません。しかし現実的なサンプリングレベルの範囲内では、DA-PSNetはこれまで遅くて高分解能だったピュアシフト法を日常的かつ時間に敏感な研究に使える実用的なツールに変えます。非専門家への要点は、AIがNMRを遅く高精度な実験室技術から、複雑な化学・生物系における構造と反応性をより迅速かつ柔軟に探る手段へと進化させつつある、ということです。

引用: Bao, J., Ni, Y., Hu, L. et al. Physics-informed deep learning enables fast ultrahigh-resolution nuclear magnetic resonance spectroscopy. Commun Chem 9, 103 (2026). https://doi.org/10.1038/s42004-026-01912-z

キーワード: 核磁気共鳴, ピュアシフトNMR, 深層学習, スペクトル再構成, 反応モニタリング