英文原题：Spectra: Tokens of the Physical World—A Unifying Framework for Encoding, Connection, Interpretation, and Generation

通讯作者：罗毅，中国科学技术大学

研究背景：

大语言模型的成功建立在一个重要基础之上：将连续而复杂的信息分解为可计算的离散单元，即“Token（词元）”，再通过学习Token之间的关联规律，逐步形成理解、推理和生成能力。由此可以引出一个有趣的问题：物质世界是否也存在类似的基本信息单元？

光谱或许可以承担这一角色。物质与电磁辐射相互作用时产生吸收、发射、散射或共振信号。这些信号的峰位、强度和线型，取决于物质的能级结构、电子组态、化学键、空间对称性和跃迁选择定则。因此，光谱是物质在特定条件下按照物理规律作出的响应。过去，光谱主要用于成分鉴定、结构解析和过程监测。随着人工智能的发展，光谱的用途正在逐渐超出传统分析范畴，它既可以表征物质结构，也能反映环境和功能变化。因而，光谱可以成为连接结构、状态与性质的共同信息载体，并用于性质预测、结构反演和分子生成。

近日，中国科学技术大学罗毅教授在Precision Chemistry发表题为“Spectra: Tokens of the Physical World—A Unifying Framework for Encoding, Connection, Interpretation, and Generation”的评论文章。文章提出“光谱是物质世界的Token”这一概念，并据此讨论光谱如何承担物质信息的编码、关联、解读和生成。

文章亮点：

1.将光谱重新定义为物质世界Token

文章将“物质世界Token”定义为受物理规律约束、可以在不同抽象层次上表示的光谱信息单元。在量子力学层面，它可以对应由能级结构和选择定则决定的量子跃迁；在实验特征层面，可以表现为峰位、强度、线宽、分裂、位移和线型；进入机器学习模型后，还可以表示为离散谱段、局部光谱片段、多模态光谱描述符或模型学习到的潜在变量。这里的Token并不等同于对连续光谱的简单切分。每个光谱特征都有相应的物理来源和化学含义。例如，钠原子的D线、水分子的O-H伸缩振动峰以及蛋白质的紫外吸收，都可以作为物质身份的特征信号。光谱还会随温度、压力、溶剂环境和分子间相互作用发生变化。因此，它记录的不只是物质“是什么”，也包括物质“处于什么状态”。这种同时包含结构与环境信息的特点，是光谱区别于一般数据编码的重要之处。

2.从光谱词汇进一步解析物质语法

如果把光谱峰视为物质语言的“词汇”，那么峰位、峰强、峰形及其对外界扰动的响应关系，就可以看作组织这些词汇的“语法”。不同光谱特征并不是相互孤立的。原子谱线的位置受到能级关系约束；振动峰的移动与键强、溶剂化和局域环境有关；不同振动模式之间的耦合会产生新的光谱特征；峰强则反映跃迁概率、物质浓度或相关过程的统计权重。一张高分辨率光谱因此可以被看作一幅多维关系图，记录从原子、分子到介观尺度的物理化学相互作用。按照这一思路，解谱不只是判断某个峰属于哪个官能团，还要进一步说明这些峰为何出现、彼此如何关联，以及它们反映了怎样的选择定则、哈密顿量、动力学耦合和局域结构。真正需要解析的，是隐藏在光谱特征背后的物理规律。

3. AI驱动的光谱理解与逆向生成

传统光谱分析高度依赖专家经验、标准谱库和量子化学计算，其核心仍是基于已有知识进行模式匹配。人工智能则能够直接学习复杂光谱与分子结构、化学组成和功能性质之间的非线性关系，推动材料研究从依赖精确原子坐标的“坐标思维”转向利用连续、实验可测信号的“光谱思维”。

更具变革性的是，AI不仅可以“读懂光谱”，还可以根据目标功能“写出光谱”。研究人员可以首先指定目标性质，利用生成模型反向获得假想材料应具备的“目标光谱”，再通过受物理化学规律约束的模型搜索可能产生该光谱的候选结构，形成“目标功能→理论光谱蓝图→候选结构→实验合成→光谱验证→模型优化”的闭环。在这一过程中，光谱不再只是材料合成后的“身份证”，而成为材料设计之前的“蓝图”和实验过程中的实时导航信号，推动化学研究由试错探索走向数据与物理规律共同驱动的智能发现。

4.迈向物质通用语言

文章指出，“光谱是物质世界的Token”并非简单的语言学比喻，而是一个促进人工智能与物质科学深度融合的元概念框架。光谱有望成为跨越原子、分子、材料乃至宏观尺度的统一信息媒介，将物质研究从被动观测推进到主动理解和生成。为实现这一愿景，未来需要：1）建设融合实验与理论计算数据的高质量多模态光谱数据库；2）发展能够理解红外、拉曼、核磁共振和X射线等跨模态光谱数据、蕴含物理信息的智能模型；3）建立完整的“光谱—结构—性质”生成链路，贯通光谱特征解析、三维结构恢复、性质预测和从头分子设计；4）将光谱模型接入自动合成机器人、高通量表征设备和原位检测平台，形成能够自主提出假设、执行实验和迭代优化的闭环实验室。最终，物质科学研究有望以光谱作为通用语言，形成“人类设定目标—AI规划路径—机器人执行与验证”的持续循环。

总结/展望：

罗毅教授提出以“物质世界Token”重新认识光谱，将其由传统分析工具拓展为物质信息的编码载体、结构与功能的连接桥梁以及逆向设计的生成蓝图。这一概念为光谱科学、人工智能与自动化实验的深度融合提供了统一框架，有望推动化学研究由“认识物质”进一步走向“按需创造物质”。相关论文以Comment形式发表在Precision Chemistry，中国科学技术大学罗毅教授为论文通讯作者。

Cite this:Luo, Y. Spectra: Tokens of the Physical World─A Unifying Framework for Encoding, Connection, Interpretation, and Generation. Precision Chemistry 2026.https://doi.org/10.1021/prechem.6c00070.