arXiv 机器学习· Karol Musielinski, Fanurs C. E. Teh, Takahiko Koyama, Artur Dubrawski·· 8 小时前AI 评分32
可分性不等于可对齐性：质谱-分子检索的表征研究
Separability Is Not Alignability: Representations for Spectrum-to-Molecule Retrieval
AI 导读
一项针对 MassSpecGym 的研究表明，将独立预训练的质谱与分子冻结表征直接对齐存在局限，表征的可分性并不等同于可对齐性。理论证明部分预测目标仅能固定分子身份却无法确立分子间度量，且基于候选分子的目标容易拟合与质谱无关的诱饵先验。研究指出解决配对数据稀缺的关键并非对齐架构，使用模拟质谱的表现超越了冻结几何表征。
来源：arXiv 机器学习 · arxiv.org