[논문 리뷰] Alchemy: A Quantum Chemistry Dataset for Benchmarking AI Models

Guangyong Chen, Pengfei Chen외 10명|arXiv (Cornell University)|2019. 06. 22.

Machine Learning in Materials Science참고 문헌 37인용 수 64

한 줄 요약

Alchemy는 119,487개의 유기 분자와 12개의 양자 역학적 특성을 포함하는 대규모 양자 화학 데이터 세트를 도입하여 ML 모델을 벤치마크하고, 다양한 GNN 아키텍처를 이에 대해 벤치마크합니다.

ABSTRACT

We introduce a new molecular dataset, named Alchemy, for developing machine learning models useful in chemistry and material science. As of June 20th 2019, the dataset comprises of 12 quantum mechanical properties of 119,487 organic molecules with up to 14 heavy atoms, sampled from the GDB MedChem database. The Alchemy dataset expands the volume and diversity of existing molecular datasets. Our extensive benchmarks of the state-of-the-art graph neural network models on Alchemy clearly manifest the usefulness of new data in validating and developing machine learning models for chemistry and material science. We further launch a contest to attract attentions from researchers in the related fields. More details can be found on the contest website \footnote{https://alchemy.tencent.com}. At the time of benchamrking experiment, we have generated 119,487 molecules in our Alchemy dataset. More molecular samples are generated since then. Hence, we provide a list of molecules used in the reported benchmarks.

연구 동기 및 목표

• MoleculeNet 및 QM 시리즈를 넘어서는 더 크고 더 다양한 양자화학 데이터셋의 필요성을 제시한다.
• 더 넓은 원자 다양성과 규모를 갖춘 약물 화학 중심의 QM 데이터셋 생성.
• 양자 특성 예측 작업에서 최신 그래프 신경망의 벤치마크를 제공한다.

제안 방법

• GDB MedChem에서 온 119,487개의 유기 분자로부터 12개의 양자역학적 특성을 갖는 새로운 분자 데이터셋(Alchemy)을 컴파일한다.
• PySCF를 사용하여 DFT B3LYP/6-31G(2df,p) 수준에서 특성을 계산한다.
• 분자를 그래프로 표현하고 그래프 신경망을 적용하여 양자 특성을 예측한다.
• 여러 GNN 아키텍처를 벤치마크한다(예: GCN, GAT, RGCN, GGNN, MPNN, LanczosNet, GIN).
• 분자 처리에 대한 데이터 생성 워크플로우와 런타임 특성을 논의한다.

실험 결과

연구 질문

• RQ1 QM9/MoleculeNet을 넘어선 다양한 QM 데이터셋에서 ML 기반 분자 특성 예측의 성능은 어떠한가?
• RQ2 Alchemy에서 양자역학적 특성 예측에 가장 높은 정확도를 내는 그래프 신경망 아키텍처는 무엇인가?
• RQ3 분자 크기의 증가와 원자 유형 다양성은 양자 화학에서 ML 모델의 일반화 및 전이 가능성을 향상시키는가?
• RQ4 대규모 양자 화학 데이터셋을 위한 실용적 고려사항(계산 비용, 데이터 생성)은 무엇인가?

주요 결과

• Alchemy에는 119,487개의 분자가 있으며 12개의 양자역학적 특성을 포함한다.
• 분자는 최대 14개의 무거운 원자(C, N, O, F, S, Cl)를 가지며 GDB MedChem 하위집합에서 소스된다.
• PySCF를 사용하여 B3LYP/6-31G(2df,p)로 특성을 계산했다.
• 최신 GNN 모델들이 Alchemy에서 구현되고 벤치마크되었다.
• 데이터셋 확장은 화학 및 재료 과학을 위한 ML 방법의 평가, 벤치마크, 개발에 도움을 주는 것을 목표로 한다.