La inversión precisa del espectro T de los fluidos de reservorios de petróleo de esquisto es crucial para la evaluación del reservorio. Sin embargo, los métodos tradicionales de inversión por resonancia magnética nuclear enfrentan desafíos para extraer características de señales de decaimiento multi-exponencial. Este estudio propuso un método de inversión que combina autoencoder (AE) y transformada de Fourier, con el objetivo de mejorar la precisión y estabilidad de la estimación del espectro T para reservorios de petróleo de esquisto. El autoencoder se emplea para extraer automáticamente características profundas del tren de eco, mientras que la transformada de Fourier se utiliza para mejorar las características del dominio de frecuencia de la información de decaimiento multi-exponencial. Además, este artículo diseña una función de pérdida ponderada personalizada basada en un mecanismo de autoatención para centrar la capacidad de aprendizaje del modelo en las regiones de picos, mitigando así el impacto negativo de las regiones de valor cero en el entrenamiento del modelo. Los resultados experimentales demuestran mejoras significativas en la precisión de la inversión, resistencia al ruido y eficiencia computacional en comparación con los métodos de inversión tradicionales. Esta investigación proporciona un nuevo enfoque eficiente y confiable para la evaluación precisa del espectro T en reservorios de petróleo de esquisto.