[논문 리뷰] Building Open Knowledge Graph for Metal-Organic Frameworks (MOF-KG): Challenges and Case Studies

Yuan An, Jane Greenberg외 10명|arXiv (Cornell University)|2022. 07. 10.

Metal-Organic Frameworks: Synthesis and Applications인용 수 6

한 줄 요약

이 논문은 구조화된(CSD) 및 비구조화된(학술 문헌) 데이터를 통합하여 Neo4j에서 레이블이 부여된 속성 그래프 모델을 사용해 구축한 금속 유기 프레임워크(MOF)를 위한 개방형 지식 그래프인 MOF-KG를 제시한다. 지식 그래프 임bedding 모델—특히 DistMult—는 MOF 합성에서 누락된 용매 정보를 50%의 Hits@10 정확도로 예측할 수 있으며, 이는 재료 과학 분야에서 미완성 지식을 발견하는 데 기여한다.

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.

연구 동기 및 목표

• 구조화된 데이터베이스와 비구조화된 문헌에 산재해 있는 분산되고 불완전한 MOF 데이터 문제를 해결하기 위해.
• 재료 탐색을 위해 MOF 구조, 합성 절차 및 성질를 통합한 통합적이고 개방형 지식 그래프(MOF-KG)를 구축하기 위해.
• 지식 그래프 보완 기법을 활용해 합성 시 용매 사용 등 누락되거나 암시된 지식을 자동으로 탐지하기 위해.
• 재료 과학자들이 MOF 예측, 설계 및 합성의 가속화를 위해 확장 가능하고 질의 가능한 인프라를 제공하기 위해.

제안 방법

• MOF 엔티티(예: 금속 클러스터, 리간드, 용매)와 관계(예: HAS_SOLVENT, FORMS_NET)를 표현하기 위해 Neo4j에서 레이블이 부여된 속성 그래프 모델을 사용하였다.
• 합성, 활성화, 분석의 반복적 MOF 워크플로우와 일치하는 도메인 전용 데이터 모델을 정의하였다.
• 캔버리지 구조 데이터베이스(CSD)에서 구조화된 데이터를 추출하고, 114篇의 학술 논문에서 합성 매개변수를 규칙 기반 NLP를 통해 추출하였다.
• 지식 그래프 임bedding 모델(TransE, ConvE, ComplEx, DistMult, SimplE)을 사용해 MOF 엔티티의 저차원 표현을 학습하고 누락된 'HAS_SOLVENT' 링크를 예측하였다.
• 학습 데이터의 20%에 해당하는 MOF 테스트 세트를 사용해 MRR, Hits@K, AMRI 지표를 기반으로 모델 성능을 평가하였다.
• 비지도 정보 추출 방법을 개발하여 비구조화된 텍스트에서 용매 추출의 재현율을 향상시켰다.

실험 결과

연구 질문

• RQ1 다양하고 분산된 출처에서 구조화된 데이터베이스와 비구조화된 학술 문헌으로부터 통합된 지식 그래프를 어떻게 구성할 수 있는가?
• RQ2 자연어 텍스트에서 합성 매개변수, 특히 용매를 추출하고 모델링하는 데 있어 핵심적인 과제는 무엇인가?
• RQ3 불완전한 데이터에도 불구하고 지식 그래프 임bedding 모델이 MOF-KG에서 누락된 'HAS_SOLVENT' 관계를 효과적으로 예측할 수 있는가?
• RQ4 다양한 지식 그래프 임bedding 모델은 MOF 합성 정보의 누락된 정보 예측에서 어떤 성능을 보이는가?
• RQ5 지식 그래프 보완 기법을 통해 기존 데이터베이스에 명시적으로 기록되지 않은 암시적 또는 누락된 지식을 얼마나 효과적으로 회복할 수 있는가?

주요 결과

• DistMult 지식 그래프 임bedding 모델이 가장 높은 성능을 보였으며, Hits@10 점수는 0.50을 기록하였다.
• DistMult는 MRR 0.25와 AMRI 0.99를 기록하여 강력한 예측 능력과 거의 무작위 기반선을 초월하는 성능을 입증하였다.
• ComplEx와 SimplE 모델은 무작위 예측을 초월하지 못했으며, Hits@10 및 MRR 값이 각각 0.00이었다.
• 규칙 기반 NLP 접근법은 수작업으로 검토한 10개의 합성 절차에서 뿐만 아니라 3개의 용매 기록을 추출하는 데 그쳤으며, 이는 다양한 용매 명명법을 다룰 때 재현율이 낮고 취약함을 시사한다.
• 기본 원자 수준 및 출판 수준의 특징만으로 학습된 지식 그래프 임bedding 모델이 50%의 Hits@10 성능을 달성하여, 최소한의 입력으로도 복잡한 합성 변수를 예측할 수 있음을 입증하였다.
• 본 연구는 지식 그래프 보완이 불완전한 데이터에서 상당한 누락된 지식을 회복할 수 있음을 확인하였으며, 특히 문서화가 흐린 재료 과학 분야에서 효과적임을 보여준다.