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...
✅ 预测完成！结果已生成。
❌ 预测失败，请检查输入或稍后重试。