[논문 리뷰] GraphNVP: An Invertible Flow Model for Generating Molecular Graphs

Kaushalya Madhawa, Katushiko Ishiguro외 2명|arXiv (Cornell University)|2019. 05. 28.

Machine Learning in Materials Science인용 수 86

한 줄 요약

그래프NVP는 정확한 우도 학습과 생성된 분자의 높은 고유성을 가진 두 단계(연접 텐서와 노드 속성)에서 분자 그래프를 생성하는 가역 정규화 흐름 모델을 도입합니다. 잠재 공간은 화학적 특성 최적화에 활용될 수 있습니다.

ABSTRACT

We propose GraphNVP, the first invertible, normalizing flow-based molecular graph generation model. We decompose the generation of a graph into two steps: generation of (i) an adjacency tensor and (ii) node attributes. This decomposition yields the exact likelihood maximization on graph-structured data, combined with two novel reversible flows. We empirically demonstrate that our model efficiently generates valid molecular graphs with almost no duplicated molecules. In addition, we observe that the learned latent space can be used to generate molecules with desired chemical properties.

연구 동기 및 목표

• 약물 발견을 위한 유효한 분자 그래프의 효율적 생성을 동기화합니다.
• 두 잠재 표현(인접성 텐서와 노드 속성)으로 그래프 구조 데이터 모델링하기 위한 가역적 흐름 프레임워크를 제안합니다.
• 그래프에 대한 정확한 우도 최적화를 달성하고 특성-지향 분자 생성을 가능하게 합니다.

제안 방법

• 그래프 생성을 두 단계로 분해합니다: 인접성 텐서를 생성하고 노드 속성을 생성합니다.
• 두 가지 유형의 가역 어파인 커플링 계층(인접성 커플링과 노드 특징 커플링)을 사용하여 A'와 X'를 잠재 표현 z_A 및 z_X로 변환합니다.
• 디퀀타이제이션을 적용하기 위해 이산 그래프 구성요소에 균일 잡음을 흐름 변환 전에 추가합니다.
• 정확한 로그 가능도를 최대화하는 방식으로 가역 변환으로 구성된 정규화 흐름 아래에서 모델을 학습합니다.
• 생성 시, 잠재 벡터 z를 샘플링하고 역 커플링 단계를 적용하여 확률적 인접성을 얻고, 이를 이산 인접성으로 도출한 뒤 인접성에 조건화된 노드 속성을 생성합니다.]

실험 결과

연구 질문

• RQ1 도메인 특유의 타당성 스캐폴딩 없이도 가역 흐름 모델이 높은 고유성으로 유효한 분자 그래프를 생성할 수 있는가?
• RQ2 두 단계 생성(인접성 먼저 노드 속성) 가 분자 그래프의 타당성 및 재구성 성능을 향상시키는가?
• RQ3 학습된 잠재 공간이 특성 지향 분자 최적화에 적합한가?
• RQ4 표준 분자 그래프 벤치마크(QM9, ZINC-250k)에서 그래프NVP가 VAEs와 GANs에 비해 유효성, 새로움, 고유성, 재구성 측면에서 어떤 차이를 보이는가?

주요 결과

• GraphNVP는 높은 유효성과 재구성 능력, 생성 분자 간 중복이 거의 없는 매우 높은 고유성을 달성합니다.
• 모델은 가역적 설계로 인해 재구성 정확도를 보장합니다(R = 100%).
• 잠재 공간 조작은 간단한 선형 또는 베이지안 방법을 통해 QED와 같은 바람직한 화학적 특성을 향해 생성을 유도할 수 있습니다.
• 학습 분자를 중심으로 한 잠재 공간 보간은 생성 구조에서 매끄러운 전이를 제공하여 국소 분자 최적화를 촉진합니다.
• 두 단계 생성(구조 후 속성)은 분자에 대해 효율적이고 유효한 그래프 생성을 지원합니다.