近日，由德国耶拿大学、亥姆霍兹研究所集群及瑞士Zakodium公司联合团队研发的SECS人工智能系统正式发布于《自然·通讯》期刊。该系统可将核磁共振光谱的数据分析时间缩短至数分钟，有效解决复杂或新型化合物结构鉴定的行业痛点。 传统化学结构测定常受信号重叠与杂质干扰制约。SECS通过融合深度表征学习与进化算法，将光谱信号与分子结构映射至统一数学空间，并迭代优化原子与化学键组合，最终输出按置信度排序的结构候选列表。基准测试显示，该系统首次预测正确率逾百分之八十，在应对含杂质实际样本时表现稳健，综合研判水平已与资深化学专家相当。 团队明确指出，SECS定位于科研辅助工具而非替代方案，旨在为研究者提供可靠的第二意见。目前系统开源代码、模型权重及网页端应用已全面开放，首要支持一维氢谱分析。后续版本计划拓展至多模态复杂光谱数据，有望显著提升新材料探索与药物合成的研发效率。