Библиотека спектральной квантовой химии и инфракрасных резонансов для молекулярной спектроскопии, основанной на данных

Почему невидимый свет важен

Всё вокруг нас, от таблетки от головной боли до пластиковой бутылки, состоит из молекул, которые тихо вибрируют. Эти крошечные колебания взаимодействуют с инфракрасным светом, создавая уникальные «отпечатки», по которым химики различают вещества. Инфракрасная спектроскопия, техника считывания таких отпечатков, лежит в основе контроля качества лекарств, мониторинга загрязнений и проектирования материалов. Тем не менее до сих пор у учёных не было большой, чистой и открытой цифровой библиотеки таких отпечатков, необходимой для обучения современных инструментов ИИ. В этой статье представлена SQuIRL — новая вычислительная база данных, заполняющая этот пробел и способная изменить подходы к созданию и распознаванию молекул с помощью данных.

Цифровая библиотека отпечатков для молекул

Сердцем этой работы является SQuIRL — Spectral Quantum Chemistry and Infrared Resonance Library. Вместо того чтобы полагаться на трудоёмкие лабораторные измерения, авторы использовали высокоуровневые квантовые расчёты, чтобы предсказать, как 133 885 малых органических молекул реагируют на инфракрасный свет. Для каждой молекулы SQuIRL сохраняет положения и интенсивности всех инфракрасных пиков — ключевые составляющие инфракрасного спектра. Эти молекулы взяты из известной коллекции QM9, которая уже содержит подробную структурную и электронную информацию. Добавив вибрационные отпечатки поверх неё, SQuIRL превращает QM9 в более насыщенную площадку для химии, основанной на данных.

Почему существующие коллекции не дотягивают

За годы несколько экспериментальных сборников накопили тысячи инфракрасных спектров, включая хорошо известные базы NIST, SDBS и коммерческих поставщиков. Несмотря на их ценность, у этих ресурсов есть ограничения: они обычно охватывают только распространённые, простые в обращении молекулы, объединяют данные, полученные в разных условиях измерений, и часто закрыты платными доступами или неудобными веб-интерфейсами, что затрудняет масштабную обработку. Более новые вычислительные наборы данных и библиотеки, сгенерированные ИИ, выигрывают в объёме, но теряют в точности, открытости или однородности. SQuIRL разработана так, чтобы занять оптимальный промежуток: полностью открытая, достаточно крупная для современных методов машинного обучения и вычисленная на последовательно высоком теоретическом уровне точности.

Как формируются спектры

Для создания SQuIRL команда выполнила все расчёты по тщательно подобранной «рецептуре», известной в сообществе своей сбалансированной точностью. Конформации молекул были взяты из QM9 и затем проанализированы методом квантовой механики, который учитывает движение электронов и совместные колебания атомов. Из этого авторы извлекли частоты и интенсивности всех колебательных мод — исходные строительные блоки инфракрасного спектра. Они сознательно оставили эти данные необработанными, чтобы пользователи могли впоследствии преобразовать их в гладкие кривые или применить поправки по необходимости. Наряду со спектрами SQuIRL сохраняет множество дополнительных сведений: распределение заряда, податливость электронной оболочки, базовые термодинамические величины и даже стандартные плоские структурные формулы; всё организовано в удобном для машин формате HDF5 с сопроводительным индексом для быстрой фильтрации.

Проверка точности и химического разнообразия

Точность и разнообразие критичны, если машины должны учиться на такой библиотеке. Авторы провели бенчмаркинг набора знакомых малых молекул — таких как аммиак, этанол и формальдегид — сравнив предсказанные SQuIRL спектры как с результатами ведущих квантовых методов, так и с доверенными экспериментальными измерениями. Отличия в положениях пиков обычно составляли лишь несколько десятков единиц по инфракрасной шкале, что находится в пределах, приемлемых для высококлассных вычислительных работ. Не менее важно, что SQuIRL охватывает широкий спектр химических «вкусов»: распространённые группы, такие как спирты и эфиры, соседствуют с менее частыми, но важными с научной точки зрения, например нитрогруппами и гуанидинами. Большинство молекул содержат несколько различных функциональных особенностей и типов связи, и статистические проверки показывают, что даже внутри одного класса структуры не являются простыми повторениями. Такое структурное и электронное разнообразие помогает избегать смещения и делает набор данных особенно пригодным для обучения устойчивых моделей ИИ.

Основа для открытий, управляемых ИИ

С точки зрения неспециалиста SQuIRL похожа на атлас высокого разрешения о том, как «звучат» малые молекулы при воздействии невидимого инфракрасного света. Благодаря своему объёму, точности и открытому доступу этот атлас может питать новые поколения алгоритмов, которые читают или даже проектируют молекулы на основе их спектральных отпечатков — так же, как системы распознавания речи учатся на обширных архивах голосовых записей. Стандартизируя формат хранения данных и тщательно их документируя, авторы облегчают исследователям в академии и промышленности интеграцию SQuIRL в их собственные рабочие процессы. На практике этот ресурс может ускорить задачи от автоматизированной идентификации структур до целенаправленного поиска новых лекарств и материалов, внося подход, основанный на данных, в одно из наиболее устоявшихся экспериментальных направлений химии.

Цитирование: Krishnadas, A., Kansal, J., Charron, N.E. et al. Spectral Quantum Chemistry and Infrared Resonance Library for Data-Driven Molecular Spectroscopy. Sci Data 13, 618 (2026). https://doi.org/10.1038/s41597-026-07240-0

Ключевые слова: инфракрасная спектроскопия, молекулярные отпечатки, данные квантовой химии, спектральные базы данных, машинное обучение в химии