[논문 리뷰] Machine Learning interpretation of the correlation between infrared emission features of interstellar polycyclic aromatic hydrocarbons

Zhisen Meng, Xiaosi Zhu외 3명|arXiv (Cornell University)|2021. 10. 07.

Chemical Thermodynamics and Molecular Structure참고 문헌 40인용 수 9

한 줄 요약

이 연구는 분자 기초 정보를 사용한 지도 학습, 특히 랜덤 포레스트 모델을 활용하여 행성간 다환 방향성 탄화수소(PAH)의 적외선 방출 밴드 간 상관관계를 해석한다. 특성 중요도 배열을 분석함으로써 저자들은 공통적인 분자 조각들이 상관관계가 있는 밴드를 담당하고 있음을 밝혀내었고, 유사도 측도를 통해 밴드 상관관계를 정량화하여, 외부 진동 영역(예: 11–15 µm)의 방출 특성 간 물리적 연결 고리를 드러냈다.

ABSTRACT

Supervised machine learning models are trained with various molecular descriptors to predict infrared emission spectra of interstellar polycyclic aromatic hydrocarbons. We demonstrate that a feature importance analysis based on the random forest algorithm can be utilized to explore the physical correlation between emission features. Astronomical correlations between infrared bands are analyzed as examples of demonstration by finding the common molecular fragments responsible for different bands, which improves the current understanding of the long-observed correlations. We propose a way to quantify the band correlation by measuring the similarity of the feature importance arrays of different bands, via which a correlation map is obtained for emissions in the out-of-plane bending region. Moreover, a comparison between the predictions using different combinations of descriptors underscores the strong prediction power of the extended-connectivity molecular fingerprint, and shows that the combinations of multiple descriptors of other types in general lead to improved predictivity.

연구 동기 및 목표

• 기계 학습을 사용하여 오랫동안 관측된 행성간 PAH 적외선 방출 밴드 간 상관관계를 해석하기 위해.
• 훈련된 모델의 특성 중요도를 분석함으로써 특정 방출 밴드를 담당하는 분자 조각을 규명하기 위해.
• 특성 중요도 배열의 유사도 측도를 통해 밴드 상관관계를 정량화하기 위해.
• PAH 적외선 스펙트럼을 모델링하는 데 있어 다양한 분자 기초 정보의 예측 성능 평가하기 위해.
• 계산적으로 비용이 많이 드는 DFT 계산에 의존하지 않고도 천체 밴드 상관관계의 물리적 기원을 향상시키기 위해 이해하기 위해.

제안 방법

• ECFP, DMEs, CMEs, NHAC, ZPVE, 그리고 수소 결합 수를 포함한 6종의 분자 기초 정보를 사용하여 PAH 적외선 방출 스펙트럼에 대해 랜덤 포레스트 및 XGBoost 모델을 훈련시켰다.
• 특성 중요도 분석을 통해 특정 방출 밴드를 결정하는 데 가장 영향을 미치는 분자 조각을 식별하기 위해 랜덤 포레스트의 결과를 활용했다.
• 특성 중요도 벡터 간 코사인 유사도를 계산하여 방출 밴드 간 상관관계를 정량화했다.
• 예측 능력과 물리적 관련성을 평가하기 위해 기초 정보 조합 간 모델 성능을 비교했다.
• 기존의 천체적 상관관계(예: 3.3 µm와 11.2 µm, 6.2 µm와 7.7 µm)를 사용하여 결과를 검증하고 11–15 µm 영역의 상관관계를 매핑했다.
• 오픈소스 화학 정보 도구(RDKit)와 scikit-learn을 사용하여 기초 정보 생성 및 모델 훈련을 수행했다.

실험 결과

연구 질문

• RQ1 행성간 PAH의 상관관계가 있는 적외선 방출 밴드를 담당하는 분자 조각은 무엇인가?
• RQ2 기계 학습 모델은 스펙트럼 분석만으로는 드러나지 않는 PAH 방출 밴드 간 물리적 상관관계를 어떻게 드러낼 수 있는가?
• RQ3 어느 분자 기초 정보가 PAH 적외선 스펙트럼을 가장 정확하고 물리적으로 의미 있는 방식으로 예측하는 데 가장 효과적인가?
• RQ4 특성 중요도 배열의 유사도는 밴드 상관관계를 정량적 측도로 사용할 수 있는가?
• RQ5 다양한 분자 기초 정보 조합은 PAH 적외선 스펙트럼에 대한 기계 학습 모델의 예측 성능에 어떻게 영향을 미치는가?

주요 결과

• 확장된 연결성 지문(extended-connectivity fingerprint, ECFP)과 수소 인접 클래스 수(NHAC)가 PAH 적외선 스펙트럼에 대해 가장 뛰어난 예측 성능를 보였다.
• 특성 중요도 분석을 통해 특정 가장자리 구조와 수소 원자 배열을 가진 공통적인 분자 조각들이 상관관계가 있는 방출 밴드의 기초가 되고 있음을 밝혀냈다.
• 특성 중요도 벡터 간 코사인 유사도를 통해 밴드 상관관계를 성공적으로 정량화하였으며, 이는 11–15 µm 외부 진동 영역에 대한 상관관계 맵을 생성하였다.
• 여러 기초 정보의 조합(예: ECFP + NHAC)이 단일 기초 정보보다 항상 더 높은 모델 예측 능력을 보였다.
• 이 방법은 3.3 µm 및 11.2 µm 밴드가 유사한 분자 조각과 연관되어 있음을 규명하여 천체적 관측에서 관찰된 상관관계를 뒷받침했다.
• 이 접근법은 DFT 계산 없이도 행성간 PAH의 분자 구조-스펙트럼 관계를 연구할 수 있는 확장 가능한 대안을 제공한다.