10月26日消息，Magdalena Lederbauer、Runzhong Wang与Connor W. Coley在预印本平台ChemRxiv发布研究，提出"碎片锚定"（fragment-grounded）神经网络工作流，用于在库级规模预测电子轰击质谱（EI-MS）。该工作流先穷举枚举分子的碎裂图（fragmentation graph），再用基于实验谱图训练的模型为各子结构分配强度，使每一个预测峰都能回溯到具体的候选子结构。

在按骨架划分的测试中，该模型从最多50个同分子式异构体中找出正确结构的比例为43.0%，高于最强基线的32.5%；其精度可媲美量子化学模拟，而速度快约七个数量级，因此首次具备库级应用可行性。在更具挑战的"无分子式"检索设定下，模型对PubChem 8730万个化合物库的top-1准确率为3.3%（最强基线1.1%），结合质量窗口过滤后提升至5.3%。

研究背景是：电子轰击质谱是化工、制药、法检与环境分析中最常用的结构鉴定手段之一，但参考谱库仅覆盖约百万级化合物，远小于化学空间。作者已为8730万分子生成预测谱图作为增广参考库，以支撑依赖数据库的结构解析。对分析仪器与计算化学工具链而言，这类AI谱图预测方法有望显著扩展"可鉴定物质"的边界，在杂质鉴定、未知物筛查等工业场景具有直接应用价值。该研究目前为预印本，尚未经过同行评审。 （来源：ChemRxiv）