机器学习同位素位移在分子能级中的预测

《Journal of Molecular Spectroscopy》：Machine learning isotope shifts in molecular energy levels

　　

近年来，高能分辨率交叉相关光谱（High-Resolution Cross-Correlation Spectroscopy, HRCCS）在检测系外行星大气中的分子种类方面取得显著进展，这对参考光谱线列表的精度提出了更高要求。尽管关键大气示踪物的主同位素物种已有较好表征，次要同位素物种的实验数据稀缺，常依赖精度较低的理论预测，限制了其在行星形成历史与演化诊断中的应用。研究人员设计了一种综合机器学习框架，用于修正ExoMol项目中同位素外推（Isotopologue Extrapolation, IE）方法的残差误差。以二氧化碳（CO2）为例，全连接神经网络模型可高精度预测能量修正值，在与经验（MARVEL）能级对比中，将平均绝对误差（Mean Absolute Error, MAE）相对于原始IE方法降低至覆盖超过87%的能级。此外，研究人员开发了一种新型混合分子感知迁移学习架构，成功将数据丰富的CO2系统中的修正模式迁移至数据稀缺的一氧化碳（CO）系统，在超过93%的CO样本中实现了MAE改善，表明同位素替代相关的物理修正因子可在化学相关分子间泛化。本研究更新并改进了11种CO2同位素的线列表，并预测了CO同位素激发态的能级。该方法建立了一种可扩展的数据驱动范式，用于完善分子线列表，缩小理论计算与实验精度之间的差距。

该研究发表于《Journal of Molecular Spectroscopy》，聚焦于解决系外行星大气光谱分析中次要同位素数据不足的问题。随着高能分辨率交叉相关光谱技术的发展，对参考光谱数据的精度需求日益提高，尤其是同位素位移带来的微小能级变化在高分辨率观测中变得可分辨且具有科学意义。然而，次要同位素由于实验数据匮乏，其能级预测往往依赖理论外推，存在不可忽略的系统误差，影响同位素比值的准确测定及行星形成环境的推断。为此，研究人员基于ExoMol项目开发的同位素外推方法，引入机器学习对残差进行建模修正，并在CO₂与CO两个系统中验证了方法的有效性。结果表明，该框架显著降低了预测能级的平均绝对误差，并成功实现跨分子体系的迁移学习，提升了数据稀缺情况下的预测精度。

关键技术方法方面，研究首先构建了包含量子数与同位素属性的特征集，涵盖振动量子数（Herzberg、AFGL、TROVE三种表示）、转动量子数、总简并度、原子质量布尔标志、对称性与约化质量等变量，并对连续变量标准化、类别变量编码。模型训练采用PyTorch实现的全连接神经网络，CO₂系统使用六层隐藏层结构，激活函数为高斯误差线性单元（Gaussian Error Linear Unit, GELU），结合Dropout防止过拟合，优化器为Adam，损失函数选用Huber Loss以提高对异常值的鲁棒性。针对数据稀缺的CO系统，研究人员设计了混合分子感知迁移学习架构，包含共享主干网络与各同位素专用适配头，通过加权采样与自适应损失权重确保对少数类的学习效果，并采用五折交叉验证评估性能稳定性。

结果部分，全球性能总结显示，机器学习修正后的平均绝对误差（MAE）在CO₂系统中由原始IE的0.01394 cm^-1降至0.00232 cm^-1，在CO系统中由0.02896 cm^-1降至0.00524 cm^-1，表明残差学习方法捕捉到了传统变分计算与恒定位移外推无法建模的结构化同位素依赖偏差。CO₂研究中，移除已具高精度的¹³C¹⁶O₂（636）样本后，整体MAE改善提升至89.27%，91.62%的样本误差下降，残差分布由宽偏态转为窄对称，且RMSE的降幅大于MAE，说明模型有效修正了大误差离群点。特征重要性分析表明，同位素质量、转动量子数J及各套振动量子数是影响修正的最主要因素，与Born-Oppenheimer近似失效的非绝热修正物理机制一致。CO系统则通过迁移学习实现平均87.82%的MAE改善，91.37%的样本预测更接近实验值，残差结构在高能区消失，证明CO₂学到的修正规律可有效迁移至CO。推理阶段，修正覆盖了CO₂的36?795个能级与CO的3?348个能级，并已应用于ExoMol的“Dozen”线列表更新。

讨论与结论部分指出，该研究突破了传统同位素外推依赖全局常数校正的局限，实现了逐能级的精准修正，并在跨分子体系间成功迁移物理修正规律。这不仅提高了次要同位素的能级预测精度，也为高能分辨率系外行星大气光谱分析提供了可靠的数据支持。未来工作将扩展至含氢分子体系，其中非Born-Oppenheimer效应更为显著，预期将进一步推动高精度分子光谱数据库的发展。