internscience NMR Chemical Shift Prediction Skill
When to use this
Use this skill when the user provides a SMILES string and wants:
- Per-atom ¹H or ¹³C liquid-phase NMR chemical shifts (ppm)
- Simulated NMR spectrum image (Lorentzian line-shape)
- Quick deep-learning based prediction without DFT
Inputs
- SMILES string (required, e.g.
CCOfor ethanol) --nucleus H | C | both(optional, defaultboth)
Outputs
/tmp/chemclaw/nmr_1H_<smiles>.png— ¹H NMR spectrum/tmp/chemclaw/nmr_13C_<smiles>.png— ¹³C NMR spectrum- Console: per-atom chemical shifts (ppm)
目录结构
nmr-prediction/
├── SKILL.md
├── nmr_prediction.py
├── requirements.txt
└── assets/
├── NMRNet/ ← NMRNet 精简推理代码 + `oc_limit_dict.txt`
└── Uni-Core/ ← Uni-Core 基础库（需要先 install）
模型权重（大文件，不放进 repo）存放于 /tmp/weights/，通过 --setup 自动下载。
环境安装 (首次)
1. 准备 assets/
# 将 NMRNet 放入 assets/（从 GitHub 下载 zip 后解压）
cp -r ~/Downloads/NMRNet-main nmr-prediction/assets/NMRNet
# 将 Uni-Core 放入 assets/ 并安装
cp -r ~/Downloads/Uni-Core-main nmr-prediction/assets/Uni-Core
cd nmr-prediction/assets/Uni-Core
python setup.py install # macOS 默认禁用 CUDA，直接执行
2. 安装 Python 依赖
cd nmr-prediction
pip install -r requirements.txt
# 如果还没装 torch：pip install torch (CPU 版即可)
3. 下载模型权重 + scaler → /tmp/weights/
cd nmr-prediction
python nmr_prediction.py --setup
此命令通过 remotezip 从 Zenodo 仅提取所需文件：
- H/C 模型 checkpoint（各 ~560 MB）→
/tmp/weights/finetune/liquid/.../ - H/C 液相 scaler（各 623 B）→ 同上目录
注意：NMRNet 仓库自带的
demo/notebook/scaler/是固态 NMR scaler，不适用于液相预测。 当前 skill 只保留 NMRNet 的精简推理代码与oc_limit_dict.txt，不依赖demo/数据目录。
How to run（环境已准备好时）
cd nmr-prediction
# 预测乙醇的 ¹H + ¹³C 谱
python nmr_prediction.py "CCO"
# 只预测苯的 ¹³C 谱
python nmr_prediction.py "c1ccccc1" --nucleus C
# 预测咖啡因的 ¹H 谱
python nmr_prediction.py "Cn1cnc2c1c(=O)n(c(=O)n2C)C" --nucleus H
运行原理（Pipeline）
SMILES
↓ RDKit: AddHs + EmbedMolecule + MMFFOptimize
3D 分子坐标 (atoms + coordinates)
↓ atoms_target_mask: 标记目标元素 (H 或 C) 为 1
NMRNet 数据记录 (dict)
↓ UniMatModel (SE(3)-Transformer, unimol_large 架构)
每原子预测化学位移 (scaled)
↓ TargetScaler.inverse_transform
化学位移 (ppm)
↓ Lorentzian 叠加
NMR 谱图 PNG
注意事项
- 模型仅训练于液态 NMR 数据（nmrshiftdb2），固态化合物不适用
- macOS CPU 推理速度较慢：¹H 约 10-30 秒，¹³C 约 10-30 秒（取决于分子大小）
- 权重固定存放在
/tmp/weights/（重启后消失，需重新--setup） - NMRNet / Uni-Core 代码在
assets/里，随 repo 一起走 assets/NMRNet/oc_limit_dict.txt为运行时所需字典文件，不能删除
References
- NMRNet 论文: arXiv:2408.15681
- NMRNet 代码: https://github.com/Colin-Jay/NMRNet
- Uni-Core: https://github.com/dptech-corp/Uni-Core
- 模型权重: https://zenodo.org/records/19142375