2019 Fiscal Year Research-status Report
Molecular Structure Analysis using Statistic Graph Model and Its Applications
| Project/Area Number |
19K11848
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
宮崎 智 東北大学, 工学研究科, 助教 (10755101)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 分子特性認識 / グラフマッチング / 確率的グラフモデル |
|---|
| Outline of Annual Research Achievements |
機械学習により分子の化学的特性を特徴づける本質的な部分構造を抽出する手法を開発することが本研究の目的である．分子の化学的特性を特徴づける部分構造は現在人手により発見されているが，人間の主観が入る上，高度な専門知識を必要とし，膨大な手間と時間がかかり，調査対象となる分子データ数にも限界があるといった問題がある．これを機械学習により自動化することで，膨大な分子データから予測や解析に適した構造を抽出することが可能になり，分子特性の解析に大いに貢献できる基盤技術となることが期待できる．人手により発見的に選ぶのではなく，統計解析により自動抽出した構造を用いることで，より高精度かつ客観的な分子解析が可能になると期待される．
本研究の目的を達成するために，具体的には以下の３点について研究を進めている．（１）分子に適した確率的グラフモデルを構築する手法を開発する．（２）階層的な確率的グラフモデルの構築により，化学的特性を特徴づける部分構造を抽出する手法を開発する．（３）確率的グラフモデルによる所望の特性を持つ分子の創生手法を開発する．
本年度は、研究代表者が開発した確率的グラフモデルを用いることで分子の特性をどの程度正確に認識できるかを実験により検証した．具体的には，学習データとなる複数の分子構造を頂点と辺から構成なるグラフに変換し，複数の確率的グラフモデルを構築した．グラフ編集距離によりテストのグラフとモデル間の距離を求め，最近傍となったモデルの特性を出力とした．実験の結果，60%程度の精度であることを確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究の初年度では，分子に適した確率的グラフモデルの開発，および階層的な確率的グラフモデルを用いた化学的特性を特徴づける部分構造を抽出など研究実施計画の概ね3分の2を実施しているため，概ね順調に進展している判断した．
|
| Strategy for Future Research Activity |
認識精度のさらなる向上を目指して研究を進める．具体的には，深層学習で用いられる畳み込み処理を一般化したグラフ畳み込みを導入することを検討する．
|
| Causes of Carryover |
購入物品のGPUが不良品であったため返品した．再購入も検討したが，年度内の納品は不確実であったので，購入を見送った．当該未使用額を用いてGPUを再度購入する予定である．
|
