赤外分光法（IR分光法）から自動的に分子構造を解析する技術は、近年大きく進展していますが、従来のアプローチには重大な制限がありました。既存のモデルは、補助入力として化学式があらかじめ与えられることに依存しており、これにより予測は同分異体の識別に限定され、完全な分子構造の予測には至っていなかったのです。 本研究は、この制約のない分子構造解析に対応するため、トランスフォーマーモデルに重要な改修を加えています。化学空間の広大さに対応するため、研究チームはMixture-of-Experts（MoE）デコーダーモジュールを導入し、線形順序統計量とショケ積分を用いた非加法的集約を実装しました。さらに、これらの非加法的演算子をスペクトル表現の集約時にも活用するようにトランスフォーマーを改良しています。 これらの改善に加えて、補助的なコントラスティブアライメント損失項を組み合わせることで、赤外スペクトルのみを用いたベースラインモデルと比べて、Top-K予測精度が10ポイント以上向上しました。さらに、分子予測の部分構造フラグメント分析を通じて、赤外スペクトルは大部分の関連する化学情報を含んでいることが確認されました。これにより、従来のモデルの性能が高い理由は、化学空間において分子の吸収帯が未表現または重複していることが大きく関与していることが明らかになりました。 本研究は、測定された赤外スペクトルから自動的に分子構造を解析できることを実証することで、分析化学の分野におけるAIの有用性を大幅に拡大させるものとなっています。