MIT提出物理先验生成式AI模型SpectroGen：跨模态光谱重建精度达99%，助力材料质量验证提速千倍

背景：材料科学研究中，传统光谱表征方法存在设备昂贵、流程繁琐、耗时较长等问题，制约了AI驱动材料发现的效率。研究目的：MIT团队开发物理先验生成式AI模型SpectroGen，旨在通过跨模态光谱重建加速材料表征。该模型将光谱视为数学分布，融入物理方程约束，采用变分自编码器架构实现不同测量模态间的光谱转换。结论：实验表明，模型生成光谱与真实数据相关性达99%，信噪比显著提升，材料分类准确率提高20%，处理速度比传统方法快千倍，可广泛应用于电池、半导体等产业的质量控制和药物筛选领域。