荧光设计 AI辅助预测

基于 Nature Communications (2025) 的 FLSF 深度学习模型
智能预测分子荧光性质，加速实验设计与筛选

模型简介

FLSF (Fluorescence Learning Structure-Feature Model)是一种基于深度神经网络的荧光性能预测模型，结合分子结构（SMILES）与溶剂效应，实现对吸收波长、发射波长、光致发光量子产率（PLQY）及能隙的高精度预测。

📊 数据集：FluoDB与结构特征

FLSF 模型基于自建与公开数据库整合而成的荧光数据集，涵盖 16 类代表性荧光分子骨架 包括但不限于：

  • 荧光–溶剂组合：55,169
  • 独立荧光分子：35,528
  • 总光学记录条目：109,054
  • 涵盖 λabs、λem、ΦPL、εmax 等多维属性
  • 咔唑 (Carbazole) 系列
  • 咔咯 (Coumarin) 与香豆素类
  • 蒽 (Anthracene)、芘 (Pyrene)
  • 咔啉 (Quinoline)、吩噁嗪 (Phenoxazine)
  • 咔唑-噻吩 (Carbazole–Thiophene) 共轭骨架
  • BODIPY、Rhodamine、Cyanine 等典型染料体系

🧠 模型功能

  • 输入：SMILES 分子结构 与 溶剂名称
  • 输出：abs_pred（吸收峰，nm），emi_pred（发射峰，nm），plqy_pred（PLQY），e_pred（能隙，eV）
  • 来源：Nature Communications, 2025, DOI: 10.1038/s41467-025-58881-5

荧光性质预测

AI模型计算中，请稍候...