程俊&汤富杰团队建立基于深度学习的核磁化学位移预测的统一基准和框架学院：建立基于深度学习的核磁化学位移预测的统一基准和框架

背景：随着深度学习技术的发展，研究人员开始尝试将其应用于核磁共振（NMR）化学位移的预测，以提升模型的准确性和效率。研究目的：程俊和汤富杰团队研发了NMRNet深度学习框架，旨在建立一个统一的基准和框架，实现对液态、固态和气态系统的NMR化学位移的高精度预测。结论：NMRNet框架通过SE(3) Transformer架构和预训练-微调范式，成功实现了对多种状态NMR化学位移的统一建模，并在多个基准数据集中表现出高精度和可靠性，为分子结构解析和材料设计提供了强有力的工具。