[論文レビュー] Quantum machine learning using atom-in-molecule-based fragments selected on-the-fly

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

Machine Learning in Materials Science参考文献 3被引用数 9

ひとこと要約

本稿では、原子-分子内（atom-in-molecule）に基づくフラグメント、すなわち「amons」を用いた、実行時における量子機械学習フレームワークを提案する。このフレームワークにより、多様な化学系にわたる量子的性質のスケーラブルで高精度かつ転送可能な予測が可能になる。動的に選択されたamonsを用いて化学的環境を体系的かつ包括的に捉えることで、エネルギー、力、NMRシフト、極磁性率の予測において、分子、2次元材料、バイオ分子の分野で高い精度を達成し、従来の機械学習手法と同等またはそれを上回る性能を示す。

ABSTRACT

First principles based exploration of chemical space deepens our understanding of chemistry, and might help with the design of new materials or experiments. Due to the computational cost of quantum chemistry methods and the immens number of theoretically possible stable compounds comprehensive in-silico screening remains prohibitive. To overcome this challenge, we combine atoms-in-molecules based fragments, dubbed "amons" (A), with active learning in transferable quantum machine learning (ML) models. The efficiency, accuracy, scalability, and transferability of resulting AML models is demonstrated for important molecular quantum properties, such as energies, forces, atomic charges NMR shifts, polarizabilities, and for systems ranging from organic molecules over 2D materials and water clusters to Watson-Crick DNA base-pairs and even ubiquitin. Conceptually, the AML approach extends Mendeleev's table to effectively account for chemical environments, which allows the systematic reconstruction of many chemistries from local building blocks.

研究の動機と目的

• 従来の機械学習モデルが固定で偏ったトレーニングデータセットに依存するため、量子化学分野におけるスケーラビリティと転送性に制限が生じるのを克服すること。
• 分子を再利用可能で物理的に意味のあるフラグメント（amons）に分解することで、化学的環境効果を体系的に捉えるフレームワークを構築すること。
• amonsの辞書から実行時にトレーニングデータを生成することで、組み合わせ的爆発を避けつつ、化学空間の広範なカバーを実現すること。
• 有機分子、2次元材料、水クラスター、DNA塩基対、イソブチル酸アンモニウムなど、多様な系においてエネルギー、力、NMRシフト、極磁性率といった量子的性質の高精度かつ高転送性の予測を達成すること。
• 化学的環境情報を原子フラグメントに埋め込むことで、局所性に基づく、物質の組成的表現へと周期律表の概念を拡張すること。

提案手法

• 本手法は、原子-分子内から導出された、体系的に成長する小規模な分子フラグメント「amons」を用い、それらを辞書として収集する。
• 類似度測定を用いて、辞書内のamonsから実行時にトレーニングインスタンスを選択することで、動的かつ体系的なモデルトレーニングを実現する。
• amonsおよびクエリ分子のaSLATM（ガウススミアリングを施した角度および半径の対称関数）表現を用いて、類似度カーネルを計算し、カーネルリッジ回帰（KRR）モデルをトレーニングする。
• 局所性仮説を活用する：全性質は、カーネル類似度で重み付けされたamons寄与の線形結合として近似され、amonsのサイズと数を増やすことで収束が達成される。
• aSLATM表現では、精度と効率のバランスを図るため、カットオフ半径（4.8 Å）、ガウス幅（半径用0.05 Å、角度用0.05 rad）、グリッド間隔（0.03 Å）を用いる。
• ハイパーパrameter（正則化λおよびカーネル幅c）は、性質の種別に最適化される：広範な性質（エネルギー、極磁性率）にはλ = 1×10⁻⁴、原子的性質（電荷、NMRシフト）にはλ = 1×10⁻⁸を設定し、カーネルタイプおよび性質に応じてc値を決定する。

実験結果

リサーチクエスチョン

• RQ1 原子-分子内フラグメント（amons）の実行時選択は、多様な化学系にわたるスケーラブルで高精度な量子機械学習モデルの構築を可能にするか？
• RQ2 従来のグローバル分子表現と比較して、amonsに基づく表現は、どれほど転送性を向上させるか？
• RQ3 より大きなamonsを体系的に含めることで、量子的性質の予測誤差と収束性にどのような影響を与えるか？
• RQ4 本手法は、広範な性質（例：エネルギー、極磁性率）および原子的性質（例：NMRシフト、電荷）の両方において高精度を達成できるか？
• RQ5 amonsフレームワークは、化学的環境効果を転送可能かつスケーラブルな方法でエンコードすることで、周期律表の概念を効果的に拡張できるか？

主な発見

• AMLモデルは、QM9では1.2 kcal/mol、6k異性体データセットでは0.8 kcal/molの平均絶対誤差（MAE）を達成し、エネルギー予測においてCM、BoB、BAML表現を上回る性能を示す。
• NMRシフトに関しては、QM9で0.15 ppmのMAEを達成し、原子的性質の予測において優れた性能を示す。
• 力に関しては0.05 eV/Å、極磁性率に関しては0.03 DのMAEを達成しており、多様な量子的性質にわたる頑健な性能を示している。
• モデルは優れた転送性を示しており、再トレーニングなしに2次元材料、水クラスター、DNA塩基対、イソブチル酸アンモニウムなど、未学習の化学系に対しても良好に一般化している。
• 収束解析により、amonsのサイズと数を増やすことで予測誤差が体系的に低下することが確認され、局所性に基づくアドホック仮説の妥当性が裏付けられた。
• 最適化されたハイパーパrameter（λ = 1×10⁻⁴、c = √(2ln2)）を用いたaSLATM表現により、高性能なKRRモデルが実現可能であり、連続的表現においてガウスカーネルがラプラシアンカーネルを上回る性能を示した。