實驗室的光譜儀常常是科研流程中最昂貴、最慢的一環(huán)。每當新材料被設計出來，它還需經(jīng)過繁瑣的掃描與驗證——晶格結(jié)構(gòu)、分子基團，諸如此類。一次完整的表征，往往要切換多臺設備、耗費數(shù)小時乃至幾天。

而在另一端，人工智能的推演速度早已飛奔。計算模型每天生成成千上萬種新配方，卻被現(xiàn)實的實驗節(jié)奏拖慢。MIT 的研究團隊決定，從「理解光譜」的角度出發(fā)，讓 AI 也能學會替科學家「測」一次材料。

該研究以「SpectroGen: A physically informed generative artificial intelligence for accelerated cross-modality spectroscopic materials characterization」為題，于 2025 年 10 月 14 日發(fā)布在《Matter》。

論文鏈接：https://www.cell.com/matter/abstract/S2590-2385(25)00477-1

讓 AI 理解「光譜的語言」

AI 驅(qū)動的材料發(fā)現(xiàn)能夠快速設計新型材料成分，但合成與表征卻相對滯后。尤其是表征環(huán)節(jié)，仍受限于依賴電磁光譜學、由專家操作儀器進行的勞動密集型實驗。

MIT 推出了 SpectroGen，這是一種用于跨模態(tài)光譜生成的生成式 AI 模型，旨在加速材料表征。SpectroGen 生成的高分辨率、高信噪比光譜與真實值的相關(guān)性達 99%，均方根誤差為 0.01 原子單位。

它的關(guān)鍵在于將光譜重新定義為一種數(shù)學分布，而非分子信號。每種光譜曲線——無論是高斯形的紅外峰，還是洛倫茲形的拉曼線——都能用方程表達。團隊據(jù)此為模型加入「物理先驗」：AI 不再盲目擬合，而是受制于這些已知的分布規(guī)律。

圖 1：SpectroGen 工作流程。

圖 2：建模策略。

在此基礎上，研究者構(gòu)建了一個變分自編碼器（VAE）架構(gòu)。模型先將輸入光譜壓縮成潛空間的特征分布，再利用這些物理約束生成另一種模態(tài)的光譜。 這一「物理+生成」的混合邏輯，使 SpectroGen 既能保持可解釋性，又能高速運行。它本質(zhì)上是一臺虛擬光譜儀——輸入一種信號，生成另一種測量結(jié)果。

用數(shù)據(jù)打點樣

團隊以國際礦物學協(xié)會標準數(shù)據(jù)庫 RRUFF 為驗證集，共使用約 6000 個礦物樣本。 在 IR–Raman 和 XRD–Raman 兩類跨模態(tài)任務中，SpectroGen 生成的光譜與真實實驗結(jié)果平均相關(guān)性達到 99%，強度均方誤差僅 0.01 a.u.，結(jié)構(gòu)相似度指數(shù)（SSIM）高達 0.96–0.97。

圖 3：對紅外到拉曼和 X 射線衍射到拉曼任務的整個生成數(shù)據(jù)集進行了光譜特征評估。

更令人意外的是，AI 生成的光譜信噪比甚至優(yōu)于實驗數(shù)據(jù)——例如某礦物樣本的信噪比由 3.1 提升至 11.1。在信息保持性測試中，研究者用生成光譜訓練材料分類網(wǎng)絡，準確率達90.476%，比直接用實驗光譜（69.878%）提升約 20 個百分點。

在效率上，SpectroGen 能在一分鐘內(nèi)完成一次完整生成，速度比傳統(tǒng)測量快約一千倍。團隊指出，這意味著在未來的生產(chǎn)線中，僅需一臺紅外攝像機即可完成多模態(tài)檢測，而無需昂貴的 X 射線或拉曼設備。

結(jié)語

團隊表示，SpectroGen 可以為任何類型的礦物生成光譜。在制造業(yè)，它可用于電池、半導體、藥物等產(chǎn)業(yè)的質(zhì)量控制，只需一次簡單掃描便可獲得多模態(tài)指標。在科研與藥物研發(fā)中，研究者能快速篩查大規(guī)模候選樣本，節(jié)省大量實驗時間與設備成本。

通過將光譜數(shù)據(jù)視為一種抽象的數(shù)學分布表示，模型能夠生成獨立于鍵和晶體結(jié)構(gòu)的標準物理表示的光譜，這種抽象使 SpectroGen 能夠彌合物理實驗與計算分析之間的差距，拓展光譜生成在各個領域的通用性。

SpectroGen 不是簡單的數(shù)據(jù)擬合，而是一個具有物理意識的生成系統(tǒng)——它知道光譜為何成形，也能在不同實驗模式間自洽地「遷移」信息。這類模型或?qū)⒊蔀槲磥砜茖W AI 的基礎模板。

https://phys.org/news/2025-10-quality-materials-easier-ai-tool.html