《自然-机器智能》的论文A deep generative model enables automated structure elucidation of novel psychoactive substances发表了一种自动化、生成式的机器学习方法，可以仅利用质谱就确定未知的新型精神药物（又称人造毒品）的化学结构。了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。
每年有大量新型精神药物出现在非法市场上。这些物质会造成与已知非法药物相近的精神效果；但因为其合成方式使其在化学上有所不同，这些药物规避了现有的毒品法规，甚至难以被侦测。法医实验室使用质谱分析法在查封药片或粉末中识别已知人造毒品。但是，要弄清一种全新人造毒品的结构，通常需要化学专家工作数周或数月，并且需要用到其它的实验技术。
加拿大英属哥伦比亚大学的Michael Skinnider和同事使用全球各地法医实验室众包的保密数据训练一个机器学习模型，产生结构和性质类似于近期人造毒品的分子。该模型随后产生了一个数据库，包含十亿种潜在新型精神药物的结构。用模型训练结束后新收集的数据测试该模型，发现这一方法可以仅用质谱就确定未知人造毒品。在准确结构难以精准确定的实例中，该模型建议的结构与未知人造毒品非常相似。
作者总结说，用其他数据集训练的类似的生成方法也可以帮助识别其他特定领域未知分子的结构，例如识别新型兴奋剂或者环境污染物。
