[论文解读] Efficient accurate scalable and transferable quantum machine learning with am-ons

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

Machine Learning in Materials Science参考文献 2被引用 6

一句话总结

该论文提出了一种基于原子-分子（atoms-in-molecules）的量子机器学习方法（AML），这是一种可扩展且可迁移的框架，利用化学上有意义的片段（amons）对多种体系中的量子性质进行建模。通过将amons与主动学习相结合，该方法在预测能量、力、NMR化学位移和极化率方面均实现了高精度，覆盖分子、二维材料和生物大分子，将周期表概念扩展至局部化学环境。

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.

研究动机与目标

• 克服第一性原理量子化学方法在化学空间全面计算机筛选中计算成本过高的问题。
• 解决在从有机分子到生物大分子和二维材料等不同化学体系中准确建模多种量子性质的挑战。
• 开发一种可扩展且可迁移的机器学习框架，实现对化学环境和化合物类型的泛化。
• 系统性地从局部、化学上有意义的构建单元（amons）重构复杂化学，以提升模型的可解释性和可迁移性。

提出的方法

• 将amons定义为通过量子化学分析获得的原子-分子片段，以捕捉局部化学环境。
• 将amons用作机器学习模型中的局部描述符，以化学可解释的方式表示分子结构。
• 使用基于amons的表示方法训练可迁移的量子机器学习模型，实现在多样化化学体系中的泛化。
• 应用主动学习，迭代选择最具信息量的构型用于训练，提升数据效率。
• 在广泛体系（包括有机分子、二维材料、水簇、DNA碱基对和泛素蛋白）上进行训练，以量子力学性质为目标。
• 利用amons的局部特性，实现不同化学环境和化合物类型之间的可扩展性和可迁移性。

实验结果

研究问题

• RQ1 amons能否作为有效的、化学上有意义的局部构建单元，用于构建可扩展且可迁移的量子机器学习模型？
• RQ2 AML模型在结构和化学性质多样的体系中，对多种量子性质（如能量、力、NMR化学位移、极化率）的预测精度能达到何种程度？
• RQ3 将主动学习与基于amons的表示相结合，如何提升量子机器学习中的数据效率和模型性能？
• RQ4 AML框架能否系统性地从局部片段重构复杂化学，有效将周期表概念扩展至化学环境？
• RQ5 AML模型在不同化学空间（如从小分子有机物到生物大分子和二维材料）之间的可迁移性如何？

主要发现

• AML框架在预测能量、力、NMR化学位移和极化率等量子力学性质方面，对多样化体系均实现了高精度。
• AML模型表现出强大的可迁移性，能够对未见的化学环境和化合物类型做出可靠预测。
• 将amons用作局部描述符，使得复杂化学可系统性地从化学上有意义的片段中重构。
• 主动学习显著提升了数据效率，减少了所需高水平量子化学计算的次数。
• 该方法在大型和复杂体系（包括二维材料和泛素蛋白等生物大分子）中表现出良好的可扩展性。
• AML通过基于局部amons的表示，将化学环境效应纳入其中，有效扩展了周期表的概念框架。