本文综述机器学习在光谱分析中的应用，包括：基于分子动力学模拟与神经网络势能、偶极矩模型预测红外光谱；结合化学计量学评估毒性、鉴定洗涤剂成分；预测有机分子电子光谱、解析质谱结构、生成无序材料三维结构、分类皮肤病变、建模X射线吸收谱、推断恒星参数，以及热红外图像可视化与拉曼污染物浓度预测。

研究开发了高效的梯度域机器学习方法（GDML），利用能量守恒定律构建准确的分子力场，实现低计算代价的分子动力学模拟。

ASTEROID是一种多阶段计算框架，通过结合便宜但不精确的数据和昂贵而准确的数据，降低了机器学习力场模型的数据成本。该方法在分子动力学模拟中表现良好。