[論文レビュー] The "DNA" of chemistry: Scalable quantum machine learning with "amons"

Bing Huang, O. Anatole von Lilienfeld|arXiv (Cornell University)|Jul 13, 2017

Machine Learning in Materials Science被引用数 20

ひとこと要約

本稿では、再発する化学的環境を表す有効な原子「amons」を導入し、分子の性質を予測するスケーラブルな量子機械学習を可能にする。分子をDNAに類似したamonsの系列として符号化することで、大規模なバイオ分子やポリマーを含む多様な系において、最小限の学習データで実験に近い精度で量子エネルギーを予測する。

ABSTRACT

Given sufficient examples, recently introduced machine learning models enable rapid, yet accurate, predictions of properties of new molecules. Extrapolation to larger molecules with differing composition is prohibitive due to all the specific chemistries which would be required for training. We address this problem by exploiting redundancies due to chemical similarity of repeating building blocks each represented by an effective {\underline a}tom in {\underline m}olecule: The am-on. In analogy to the DNA sequence in a gene encoding its function, constituting amons encode a query molecule's properties. The use of amons affords highly accurate machine learning predictions of quantum properties of arbitrary query molecules in real time. We investigate this approach for predicting energies of various covalently and non-covalently bonded systems. After training on the few amons detected, very low prediction errors can be reached, on par with experimental uncertainty. Systems studied include two dozen large biomolecules, eleven thousand medium sized organic molecules, large common polymers, water clusters, doped $h$BN sheets, bulk silicon, and Watson-Crick DNA base pairs. Conceptually, the amons extend Mendeleev's table to account for the chemical environments of elements. They represent an important stepping stone to machine learning based virtual chemical space exploration campaigns.

研究の動機と目的

• 再発する構造モチーフを特徴とする化学的類似性を活用することで、分子における量子機械学習のスケーラビリティの障壁を克服すること。
• 繰り返し現れる化学的環境を統合された「amons」として表現することで、広範な学習データの必要性を低減すること。
• 大規模で多様な分子系における量子性質（例：エネルギー）の正確でリアルタイムの予測を可能にすること。
• 化学的環境の効果をamonsに組み込むことで、周期表の概念的拡張を図り、化学的空間の仮想的探索を可能にすること。

提案手法

• 再発する分子部分構造を『amons』—局所的な化学的環境と量子性質を符号化した有効な原子—として表現すること。
• 検出されたamonsの少数を用いて機械学習モデルを学習させ、新しい分子の量子エネルギーを予測すること。
• クエリ分子をDNA配列が生物学的機能を符号化するのと同様に、amonsの系列として符号化すること。
• amonsの微分可能表現を用いることで、勾配ベースの最適化と未学習の分子構造への一般化を可能にすること。
• 化学的類似性を活用して学習データセットを超えて予測を外挿可能とし、データ要件を最小限に抑えること。
• 共有の構造モチーフを有する系、例えば共有結合系、非共有結合系、および拡張した固体系へのフレームワークの適用。

実験結果

リサーチクエスチョン

• RQ1 少数のamonsが、広範な分子の主要な量子性質を高い精度で捉えることができるか？
• RQ2 amonsベースのモデルは、学習時に見られなかった大規模で構造的に多様な分子へ一般化できるか？
• RQ3 amonsは、分子系における量子機械学習のデータおよび計算コストをどの程度低減できるか？
• RQ4 複雑な結合を有する系、例えばバイオ分子やドーピングされた2次元材料に対して、amonsフレームワークはエネルギーを正確に予測できるか？
• RQ5 予測精度と推論速度の観点から、amonsアプローチは従来の手法と比較してどのように差を示すか？

主な発見

• amonsベースのモデルは、わずか数個の検出済みamonsでの学習後、実験的不確実性と同等の予測誤差を達成している。
• 本手法により、大規模なバイオ分子やポリマーを含む広範な系において、リアルタイムでの量子エネルギー予測が可能になっている。
• 学習データセットに含まれる分子とは異なる組成やより大きなサイズの分子に対しても、予測精度が高く維持されている。
• フレームワークは、共有結合系、非共有結合相互作用、水クラスター、ドーピングされたh-BNシート、バルクシリコン、およびDNA塩基対のエネルギーを成功裏に予測している。
• amons表現は化学的環境効果を効果的に捉えており、局所的な結合環境を含む周期表の概念的拡張を実現している。
• 本アプローチにより、分子ごとの学習データの必要性を低減することで、化学的空間のスケーラブルな仮想的探索が可能になっている。