一种基于深度学习的EI质谱预测验证与优化方法及系统

本发明提供了一种基于深度学习的EI质谱预测验证与优化方法及系统，属于计算化学技术领域，包括以下步骤：利用NEIMS模型对目标分子进行预测获得预测谱图强度向量，并从实验谱库中获取对应的实际谱图强度向量；随后进行标准化预处理，分别生成预测向量列表和对照向量列表；通过峰位配对处理得到配对向量集合；计算已配对向量的相似度分数，结合配对数量和对照向量覆盖度计算置信度；根据置信度评估结果，对模型进行迭代更新、加权重标定或领域适配微调，获得优化后的NEIMS模型；将全过程数据与优化模型保存至，完成EI质谱的预测验证与优化。本发明解决了现有技术在流程组织与数据治理方面存在预测生成与结果验证割裂的问题。