[論文レビュー] Building Open Knowledge Graph for Metal-Organic Frameworks (MOF-KG): Challenges and Case Studies

Yuan An, Jane Greenberg+10 more|arXiv (Cornell University)|Jul 10, 2022

Metal-Organic Frameworks: Synthesis and Applications被引用数 6

ひとこと要約

本論文では、Neo4jにおけるラベル付きプロパティグラフモデルを用いて構築された金属有機フレームワーク（MOF）のオープン知識グラフ、MOF-KGを提示する。構造化データ（CSD）と非構造化データ（科学文献）を統合している。知識グラフ埋め込みモデル、特にDistMultが、50%のHits@10の正確さでMOF合成における欠落した溶媒情報の予測に成功し、材料科学分野における不完全な知識の同定を可能にした。

ABSTRACT

Metal-Organic Frameworks (MOFs) are a class of modular, porous crystalline materials that have great potential to revolutionize applications such as gas storage, molecular separations, chemical sensing, catalysis, and drug delivery. The Cambridge Structural Database (CSD) reports 10,636 synthesized MOF crystals which in addition contains ca. 114,373 MOF-like structures. The sheer number of synthesized (plus potentially synthesizable) MOF structures requires researchers pursue computational techniques to screen and isolate MOF candidates. In this demo paper, we describe our effort on leveraging knowledge graph methods to facilitate MOF prediction, discovery, and synthesis. We present challenges and case studies about (1) construction of a MOF knowledge graph (MOF-KG) from structured and unstructured sources and (2) leveraging the MOF-KG for discovery of new or missing knowledge.

研究の動機と目的

• 構造化データベースと非構造化文献に散在する不完全で断片的なMOFデータの課題に対処すること。
• MOF構造、合成手順、特性を統合した、統一的でオープンな知識グラフ（MOF-KG）を構築すること。
• 知識グラフ補完技術を用いて、溶媒使用などMOF合成における欠落または暗黙の知識の自動同定を可能にすること。
• 材料科学者がMOFの予測、設計、合成を加速できるスケーラブルでクエリ可能なインfraを提供すること。

提案手法

• MOFエンティティ（例：金属クラスタ、リーダー、溶媒）と関係（例：HAS_SOLVENT、FORMS_NET）を表すために、Neo4jにおけるラベル付きプロパティグラフモデルを採用した。
• 合成、活性化、分析の反復的MOFワークフローに適合するドメイン固有のデータモデルを定義した。
• カンマブリッジ構造的データベース（CSD）から構造化データを抽出し、114編の科学的論文から合成パラメータをルールベースのNLPを用いて抽出した。
• 知識グラフ埋め込みモデル（TransE、ConvE、ComplEx、DistMult、SimplE）を用いて、MOFエンティティの低次元表現を学習し、欠落した「HAS_SOLVENT」リンクを予測した。
• テストセットとして、溶媒情報が既知のMOFの20%を用い、MRR、Hits@K、AMRIの指標でモデルを評価した。
• 弱教師あり情報抽出手法を開発し、非構造化テキストからの溶媒抽出における再現率を向上させた。

実験結果

リサーチクエスチョン

• RQ1 構造化データベースと非構造化科学文献といった、多様で分散したMOFデータソースから、統一された知識グラフをどのように構築できるか？
• RQ2 自然言語テキストからのMOF合成パrameter、特に溶媒の抽出とモデリングにおいて、主な課題は何か？
• RQ3 不完全なデータにもかかわらず、知識グラフ埋め込みモデルはMOF-KGにおける欠落した「HAS_SOLVENT」関係を効果的に予測できるか？
• RQ4 異なる知識グラフ埋め込みモデルは、MOFにおける欠落した合成情報の予測において、性能でどのように比較できるか？
• RQ5 知識グラフ補完技術は、既存のデータベースに明示的に記録されていない、暗黙の知識や欠落した知識をどの程度回復できるか？

主な発見

• DistMult知識グラフ埋め込みモデルが、欠落した溶媒情報の予測において最高のパフォーマンスを示し、Hits@10スコアは0.50を達成した。
• DistMultはMRR 0.25およびAMRI 0.99を達成し、強力な予測能力とほぼランダムなベースラインを上回ることを示した。
• ComplExおよびSimplEモデルはランダム予測を上回れず、Hits@10およびMRR値ともに0.00であった。
• ルールベースのNLPアプローチは、10件の手動で検査された合成手順からたった3件の溶媒記録しか抽出できず、多様な溶媒表記に対応する能力が低く、脆弱性が顕在した。
• 原子レベルおよび出版レベルの基本的特徴からのみ学習した知識グラフ埋め込みモデルが50%のHits@10を達成した。これは、最小限の入力から複雑な合成変数を予測する可能性を示している。
• 本研究は、知識グラフ補完が、特に文書化が乏しい分野である材料科学分野において、不完全なデータから顕著な欠落知識を回復できることを確認した。