厦门大学程俊课题组Nat. Comput. Sci.：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

本研究由厦门大学程俊课题组联合多家机构研发了NMRNet框架，旨在解决核磁共振（NMR）化学位移预测在复杂分子结构中的准确性与效率问题。通过预训练和微调范式，结合SE(3) Transformer架构，NMRNet成功实现了对液态、固态和气态系统的统一建模。研究团队构建了标准化的基准数据集nmrshiftdb2-2024，并在多个基准数据集中验证了模型的高精度和可靠性。NMRNet不仅提供数值预测，还可应用于NMR谱峰归属和构象确定等关键任务。此外，研究团队展示了NMRNet在复杂材料局部环境中的强大能力，为理解材料的电子结构提供了新的视角。该研究为核磁共振光谱解析提供了全新的解决方案，有望成为化学和材料科学研究中的重要工具。