[論文レビュー] Molecular Inverse-Design Platform for Material Industries

Seiji Takeda, Toshiyuki Hama+18 more|arXiv (Cornell University)|Apr 24, 2020

Machine Learning in Materials Science参考文献 2被引用数 4

ひとこと要約

本論文は、産業分野の材料開発に特化したAI駆動型分子逆設計プラットフォームを提示する。サブストラクチャーに基づく特徴エンコーディングと分子グラフ生成を組み合わせることで、迅速で解釈可能かつカスタマイズ可能な新規分子の設計を可能にする。クラウドインfra構築にデプロイされ、5つの提携企業で使用された結果、熟練化学者が行う分子設計速度を10倍以上に加速した。糖や染料分子の設計事例で示されたように、化学的妥当性を維持したまま構造的多様性が著しく向上した。

ABSTRACT

The discovery of new materials has been the essential force which brings a discontinuous improvement to industrial products' performance. However, the extra-vast combinatorial design space of material structures exceeds human experts' capability to explore all, thereby hampering material development. In this paper, we present a material industry-oriented web platform of an AI-driven molecular inverse-design system, which automatically designs brand new molecular structures rapidly and diversely. Different from existing inverse-design solutions, in this system, the combination of substructure-based feature encoding and molecular graph generation algorithms allows a user to gain high-speed, interpretable, and customizable design process. Also, a hierarchical data structure and user-oriented UI provide a flexible and intuitive workflow. The system is deployed on IBM's and our client's cloud servers and has been used by 5 partner companies. To illustrate actual industrial use cases, we exhibit inverse-design of sugar and dye molecules, that were carried out by experimental chemists in those client companies. Compared to general human chemist's standard performance, the molecular design speed was accelerated more than 10 times, and greatly increased variety was observed in the inverse-designed molecules without loss of chemical realism.

研究の動機と目的

• 材料産業分野における、熟練化学者が処理できる範囲を超える膨大な組み合わせ的分子設計空間を探索する課題に対処すること。
• スケーラブルで使いやすいWebプラットフォームを構築し、産業化学者が迅速に新規で多様かつ化学的に妥当な分子構造を生成できるようにすること。
• 解釈可能なAI技術を実用的な産業プロセスに統合し、現実世界の材料発見を実現すること。
• 提携企業との共同で染料および糖分子の設計という実世界の事例を通じて、プラットフォームの有効性を実証すること。

提案手法

• プラットフォームは、化学的解釈可能性を保持する形で分子構造を表現するサブストラクチャーに基づく特徴エンコーディングを採用している。
• ユーザーが定義したターゲット特性に基づいて、新しい分子構造を合成するための分子グラフ生成アルゴリズムを用いている。
• 階層的データ構造により、分子データと設計ワークフローを整理し、柔軟でスケーラブルな処理を可能にしている。
• 非専門家ユーザーが直感的に操作可能でカスタマイズ可能な、ユーザー指向のグラフィカルインターフェースを備えている。
• IBMおよびクライアントのクラウドサーバーにプラットフォームをデプロイしており、セキュアでスケーラブルかつアクセス可能な産業利用を確保している。
• 合成可能性と現実性を保証するため、深層生成モデルと化学的ルールの組み合わせによって設計プロセスがガイドされている。

実験結果

リサーチクエスチョン

• RQ1 AI駆動型逆設計プラットフォームは、産業現場において化学的妥当性を維持したまま、分子設計を著しく加速できるか？
• RQ2 産業ユーザー向けの高スルーレート分子生成において、解釈可能性とカスタマイズ性をどのように維持できるか？
• RQ3 従来の熟練化学者主導の手法と比較して、このようなシステムが構造的多様性をどの程度向上できるか？
• RQ4 このプラットフォームは、実際の産業R&Dプロセスに効果的にデプロイされ、採用されることができるか？

主な発見

• 実際の産業用途事例において、プラットフォームは熟練化学者の標準的性能を10倍以上に加速した分子設計速度を達成した。
• 逆設計によって得られた分子は、従来のアプローチと比較して顕著に高い構造的多様性を示した。
• すべての生成された分子は、熟練化学者による評価と構造解析を通じて高い化学的妥当性を確認した。
• プラットフォームは、5つの産業提携企業において、実際のR&Dワークフローで成功裏にデプロイされ、使用された。
• サブストラクチャーエンコーディングとグラフ生成の統合により、分子設計のスピードと解釈可能性の両立が実現した。
• ユーザーからのフィードバックにより、プラットフォームの直感的なインターフェースと、産業材料開発の加速における実用的価値が確認された。