機械学習の整数計画法に基づく逆解析法による化合物推定システムの開発

基于机器学习整数规划的逆分析方法复合估计系统的开发

• 批准号: 22KJ1979
• 负责人: ZHU JIANSHEN
• 金额: $ 1.6万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ1979/
• 关键词: 化合物推定; 機械学習; 逆問題; 混合線形計画法

この研究は、任意の形状の化合物を対象として取り組み、精度高い物性値の予測関数を構築でき、そして化合物の概形を設定した上で、局所的なトポロジー構造を多様に設定できる化合物推定システムの開発を目指す。今年度では、前述した目的を達成するために以下の研究を実施した：１．化学グラフに対して、グラフ理論に基づいた特徴ベクトルを定義する。さらに、二つの特徴の積に基づく特徴ベクトル及び変数減少法(backward stepwise)による特徴の選択を設計し、また物性値の範囲などについての前処理を行い、線形回帰、ANNや決定木などの機械学習法の入力として使ったときに従来より良好な学習成績を達成しました。このモデルについて、一定の誤差範囲内で逆問題を解くような混合線形計画法（MILP）の定式化も成功した。実験計画を立て、実験を実行し、結果などをまとめて論文を投稿し、国際学会で発表した。２．グラフ畳み込みネットワーク（GCN）などの機械学習法を使って指定の物性に対して構造から物性値を予測する関数を構築およびその逆問題のMILPの定式化を開発している。学会誌等への発表 1. J. Zhu, N. A. Azam, K. Haraguchi, L. Zhao, H. Nagamochi, and T. Akutsu. An inverse qsar method based on linear regression and integer programming. Frontiers in Bioscience-Landmark, 27(6):188, 2022.学会発表【国外】1. J. Zhu, N. A. Azam, S. Cao, R. Ido, K. Haraguchi, L. Zhao, H. Nagamochi, and T. Akutsu, Molecular design based on integer programming and quadratic descriptors in a two-layered model, 2022, presented at InCoB2022, November 21-23, 2022. Online.

这项研究旨在开发一个化合物估计系统，该系统可以针对任何形状的化合物，为物理特性构建高度准确的预测功能，并设置化合物的一般轮廓，并设置各种局部拓扑结构。今年，进行了以下研究以实现上述目标：1。对于化学图，根据图理论定义特征向量。此外，当使用特征向量和基于两个特征的乘积设计特征选择和可变减少方法设计时，并在物理属性范围内进行预处理，当用作线性回归，ANN和决策树等机器学习方法的输入时，我们就获得了更好的学习结果。对于此模型，混合线性编程（MILP）的配方在解决一定误差范围内的反问题方面也成功。计划了一个实验，进行了实验，总结了结果，并提交了论文，并在国际科学学会上进行了介绍。 2。他正在开发一个功能，该函数使用机器学习方法（例如Graph卷积网络（GCN））和逆问题的MILP公式来预测指定物理属性的结构物理属性值。学术期刊上的演讲1。J.基于线性回归和整数编程的逆QSAR方法。 Bioscience-Landmark的前沿，27（6）：188，2022。在2022年11月21日至23日在Incob2022上。