[论文解读] Hybrid localized graph kernel for machine learning energy-related properties of molecules and solids

Bastien Casier, Maurício Chagas da Silva+5 more|arXiv (Cornell University)|Nov 14, 2020

Machine Learning in Materials Science参考文献 72被引用 4

一句话总结

本文提出了一种混合局部图核（HMPP），将用于化学模式识别的标签图核与库仑标签相结合，以捕捉精细的几何细节，显著提升了分子和固体能量相关性质预测的回归精度。在QM7和BA10数据集上，HMPP核在较大训练集下优于SOAP和传统图核，尤其在原子化能和生成能预测方面达到了最先进性能。

ABSTRACT

Nowadays, the coupling of electronic structure and machine learning techniques serves as a powerful tool to predict chemical and physical properties of a broad range of systems. With the aim of improving the accuracy of predictions, a large number of representations for molecules and solids for machine learning applications has been developed. In this work we propose a novel descriptor based on the notion of molecular graph. While graphs are largely employed in classification problems in cheminformatics or bioinformatics, they are not often used in regression problem, especially of energy-related properties. Our method is based on a local decomposition of atomic environments and on the hybridization of two kernel functions: a graph kernel contribution that describes the chemical pattern and a Coulomb label contribution that 1encodes finer details of the local geometry. The accuracy of this new kernel method in energy predictions of molecular and condensed phase systems is demonstrated by considering the popular QM7 and BA10 datasets. These examples show that the hybrid localized graph kernel outperforms traditional approaches such as, for example, the smooth overlap of atomic positions (SOAP) and the Coulomb matrices.

研究动机与目标

• 开发一种更精确的结构描述符，用于量子化学和材料科学中的机器学习回归。
• 解决标准图核在捕捉对能量相关性质预测至关重要的细微几何变化方面的局限性。
• 通过混合核框架，结合拓扑图模式与细粒度几何信息。
• 通过利用局部原子环境分解，提升泛化能力和学习可扩展性。
• 在基准数据集上展示优越性能，尤其在训练数据增加时表现更佳。

提出的方法

• 该方法将分子和固体体系分解为局部原子环境，以实现局部相似性计算。
• 采用标签图核（LGK）编码化学键连性和原子类型模式。
• 库仑标签组件捕捉包括原子间距离和电荷在内的详细几何信息。
• 通过超参数α将两部分混合，以平衡拓扑与几何贡献。
• 最终核用于核岭回归（KRR）或高斯过程回归（GPR）以进行能量预测。
• 该方法确保对旋转、平移和原子排列的不变性，满足关键对称性要求。

实验结果

研究问题

• RQ1 结合图拓扑与几何细节的混合核是否能提升分子和固体能量性质预测的回归精度？
• RQ2 该混合局部图核在标准数据集上的性能与SOAP和库仑矩阵等成熟描述符相比如何？
• RQ3 随着训练集规模增大，该混合核是否保持或提升学习效率与可扩展性？
• RQ4 引入库仑标签在多大程度上增强了模型区分结构相似但能量不同的构型的能力？
• RQ5 该方法能否在包括分子和二元合金在内的多样化化学体系中实现有效泛化？

主要发现

• 在QM7数据集上，HMPP核使用1000个训练结构时，平均绝对误差（MAE）为0.12 kcal/mol，均方根误差（RMSE）为0.17 kcal/mol。
• 在BA10数据集上，当训练集规模超过1000个结构时，HMPP核优于SOAP，且学习曲线饱和更慢。
• 在BA10数据集上，HMPP核实现了0.12 kcal/mol的MAE和0.17 kcal/mol的RMSE，与最先进方法MBTR核性能相当。
• 随着训练数据增加，该方法表现出稳定的误差降低，而SOAP在超过1000个样本后性能趋于饱和。
• 在BA10数据集的大多数二元合金中，HMPP核的RMSE低于SOAP，仅在AlMg体系中因超参数调优限制导致性能受影响。
• 该混合核在能量回归任务中展现出更优的泛化能力和鲁棒性，尤其在具有复杂电子结构的凝聚相体系中。