[論文レビュー] Geometric Deep Learning for Molecular Crystal Structure Prediction

Michael Kilgour, Jutta Rogal+1 more|arXiv (Cornell University)|Jan 1, 2023

Computational Drug Discovery Methods被引用数 1

ひとこと要約

本論文は、分子結晶の密度を予測し、原子座標のみを用いて結晶構造をランク付けする幾何的深層学習モデルであるMolXtalNet-DおよびMolXtalNet-Sを紹介する。エネルギー計算にかかるコストを回避することで、高精度かつ高速に結晶構造予測を実行できる。密度予測では2%未満の平均絶対誤差を達成し、実際の結晶構造と偽物を識別する精度も高く、結晶構造予測パイプラインへの統合が容易になる。

ABSTRACT

We develop and test new machine learning strategies for accelerating molecular crystal structure ranking and crystal property prediction using tools from geometric deep learning on molecular graphs. Leveraging developments in graph-based learning and the availability of large molecular crystal datasets, we train models for density prediction and stability ranking which are accurate, fast to evaluate, and applicable to molecules of widely varying size and composition. Our density prediction model, MolXtalNet-D, achieves state of the art performance, with lower than 2% mean absolute error on a large and diverse test dataset. Our crystal ranking tool, MolXtalNet-S, correctly discriminates experimental samples from synthetically generated fakes and is further validated through analysis of the submissions to the Cambridge Structural Database Blind Tests 5 and 6. Our new tools are computationally cheap and flexible enough to be deployed within an existing crystal structure prediction pipeline both to reduce the search space and score/filter crystal candidates.

研究の動機と目的

• 量子化学的エネルギー評価にかかる高コストを回避する、高速で高精度かつ汎用性のある機械学習モデルを、分子結晶構造予測のために開発すること。
• 原子座標からの構造的情報のみを用いて、幾何的深層学習を分子グラフに適用し、結晶密度の予測と結晶構造のランク付けを行うこと。
• 不適切な候補をフィルタリングし、安定な多形を効率的にスコアリングすることで、結晶構造予測における計算コストを低減すること。
• 既存の結晶構造予測ワークフローへの統合を可能にし、より高速かつスケーラブルな探索を実現すること。
• Cambridge Structural Database Blind Tests 5および6を含む大規模で多様なデータセットを用いてモデルを検証すること。

提案手法

• 原子配置の空間的・トポロジカルな特徴を符号化するため、結晶構造から導出された分子グラフを用いた幾何的深層学習技術によりモデルを訓練する。
• グラフニューラルネットワークアーキテクチャが、原子座標と元素種別を処理し、エネルギー計算を一切行わずに構造表現を学習する。
• 密度予測モデル（MolXtalNet-D）は、実験的およびシミュレートされた結晶の多数のデータセット上で平均絶対誤差を最小化する損失関数を用いて訓練される。
• 構造ランク付けモデル（MolXtalNet-S）は、学習された構造埋め込みを用いて、実験的結晶構造と合成的に生成された構造を識別する。
• ユニットセルパラメータから超格子を生成する微分可能スーパセルビルダーにより、エンドツーエンドの訓練が可能となり、将来の生成モデルの訓練を支援する。
• 温度や圧力はCSDで報告が不一致であるため、パッケージング係数、径方向分布関数、慣性モーメントなどの幾何的記述子を含む。

実験結果

リサーチクエスチョン

• RQ1 エネルギー評価を一切行わず、原子座標のみを用いて幾何的深層学習モデルが正確に結晶密度を予測できるか？
• RQ2 構造に基づくモデルが、結晶候補を効果的にランク付けし、実験的結晶構造と合成された偽物を識別できるか？
• RQ3 これらのモデルは、多様な分子組成および結晶系にわたって一般化できるか？
• RQ4 これらのモデルが、結晶構造予測パイプラインにおける計算コストをどの程度低減できるか？
• RQ5 Cambridge Structural Database Blind Tests 5および6のようなベンチマークデータセット上で、モデルの性能はいかがなものか？

主な発見

• MolXtalNet-Dは、大規模かつ多様なテストデータセット上で、結晶密度予測において2%未満の平均絶対誤差を達成し、新たな最先端水準を確立した。
• MolXtalNet-Sは、Blind Test 6データを用いて、実験的結晶構造と合成的に生成された構造を高い精度で識別できた。
• 多様な分子組成および結晶系にわたって良好な一般化性能を示し、多形のフィルタリングを行わずとも最小限の過学習にとどまった。
• 計算効率が高く、既存の結晶構造予測パイプラインに統合可能であり、探索空間の縮小と候補のフィルタリングを可能にした。
• 微分可能スーパセルビルダーにより、将来的な分子結晶用生成モデルの訓練が可能となり、エンドツーエンド最適化が可能になった。
• Blind Test 5および6のターゲットにおいても、機能群や元素組成にかかわらず一貫したランク付け精度を示した。