[論文レビュー] Machine Learning Prediction of Accurate Atomization Energies of Organic Molecules from Low-Fidelity Quantum Chemical Calculations

Logan Ward, Ben Blaiszik+4 more|arXiv (Cornell University)|Jun 7, 2019

Machine Learning in Materials Science参考文献 43被引用数 57

ひとこと要約

本論文では、B3LYP（低精度）とG4MP2（高精度）のエネルギー差を学習することで、計算コストを大幅に削減しながら、G4MP2レベルの有機分子の解離エネルギーをほぼ量子力学的精度で予測する機械学習モデルを提示している。最良のモデルは、9個以下の重原子を有する分子に対して0.005 eV、より大きな分子に対しては0.012 eVの平均絶対誤差を達成し、SchNetおよびFCHLベースのΔ学習アプローチを用いている。これらのモデルは、DLHub上のWeb APIを通じて公開されており、誰でも利用可能である。

ABSTRACT

Recent studies illustrate how machine learning (ML) can be used to bypass a core challenge of molecular modeling: the tradeoff between accuracy and computational cost. Here, we assess multiple ML approaches for predicting the atomization energy of organic molecules. Our resulting models learn the difference between low-fidelity, B3LYP, and high-accuracy, G4MP2, atomization energies, and predict the G4MP2 atomization energy to 0.005 eV (mean absolute error) for molecules with less than 9 heavy atoms and 0.012 eV for a small set of molecules with between 10 and 14 heavy atoms. Our two best models, which have different accuracy/speed tradeoffs, enable the efficient prediction of G4MP2-level energies for large molecules and are available through a simple web interface.

研究の動機と目的

• 有機分子の量子化学的計算における精度とコストのトレードオフを克服すること。
• 低コストのB3LYPデータを入力として、高精度なG4MP2解離エネルギーを予測する機械学習モデルを開発すること。
• 深層学習（SchNet）と従来の機械学習（FCHL）アプローチの両者を比較し、高精度な分子エネルギー予測性能を評価すること。
• 学習済みデータセットに含まれない、より大きな分子（10〜14個の重原子を有する）に対しても、正確かつ高速に予測できるようにすること。
• 最新鋭で高精度なモデルを、コミュニティの広範な利用を想定してWebインターフェースを通じて無料で公開すること。

提案手法

• B3LYPおよびG4MP2エネルギーを含む117,232個の分子（1〜9個の重原子）からなるQM9-G4MP2データセットを用いてモデルを学習した。
• 直接予測よりも精度が向上するよう、B3LYPとG4MP2の解離エネルギー差を予測するΔ学習戦略を採用した。
• 原子座標と元素種別から分子表現を学習する、深層畳み込みニューラルネットワークであるSchNetを用いた。
• 多次体原子環境記述子に基づくカーネルリッジ回帰手法であるFCHLを用い、従来の機械学習ベースの予測を実施した。
• 正確なB3LYP最適化構造に依存しないよう、変更を加えた分子コンフォーマーを用いて再学習した。
• 最良の性能を示したモデルをDLHubに公開し、クラウドベースの推論が可能なシンプルなPython APIを提供することで、ローカルインストールの必要性を排除した。

実験結果

リサーチクエスチョン

• RQ1 低精度のB3LYPデータで学習した機械学習モデルは、高精度なG4MP2解離エネルギーを正確に予測できるか？
• RQ2 低精度と高精度エネルギーの差分を学習するΔ学習は、直接学習やトランスファーラーニングに比べて、精度と頑健性において優れているか？
• RQ3 モデルは、学習データセットに含まれる分子よりも大きな分子（特に10〜14個の重原子を有する）に対しても、どの程度一般化できるか？
• RQ4 分子構造の入力精度（例：B3LYP最適化座標 vs. 力場法で生成された座標）が、モデルの予測結果にどの程度影響を及けるか？
• RQ5 Webベースのインターフェースは、機械学習フレームワークの知識がなくても、高精度な機械学習モデルを広く利用可能にするか？

主な発見

• FCHLベースのΔ学習モデルは、9個以下の重原子を有する分子に対して平均絶対誤差（MAE）0.005 eVを達成し、B3LYPの精度を10倍上回った。
• SchNetベースのΔ学習モデルは、10〜14個の重原子を有する分子に対してMAE 0.012 eVを達成し、優れた外挿能を示した。
• 歪みを加えたコンフォーマーで学習したモデルは、正確なB3LYP最適化構造への依存を軽減したが、分子が大きくなると性能が低下した。
• FCHLベースのモデルは、SchNetモデルに比べて3倍の精度を達成したが、1回の予測に少なくとも100倍の計算時間がかかった。
• 両モデルとも、テストセットの全分子サイズにおいてB3LYPを大幅に上回り、誤差を最大で10倍まで低減した。
• 最良のモデルは、DLHub上のWeb APIを通じて公開されており、ローカルの機械学習インfraを整える必要なく、研究ワークフローへの統合が容易になった。