2022 Fiscal Year Research-status Report
Evolutionary Search of Structured Data by Using Deep Graph Kernels
| Project/Area Number |
20K12000
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
半田 久志 近畿大学, 情報学部, 教授 (60304333)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | deep graph kernel / 進化計算 / 有機薄膜太陽電池 |
|---|
| Outline of Annual Research Achievements |
本研究課題では、グラフの探索を進化計算にて行うものである。先行研究のEDA-GKでは、特徴空間で問題を捉えることにより，遺伝子型から表現型への写像の凸 凹さを解消できていると考えられる.ところが，研究を押し進めていく上で，先行研究のEDA-GKでは，カーネル関数が対象としている特徴空間によって，問題に よっては機能しないことが判ってきた.例えば，前ページの最小パス距離カーネルの場合，解が全結合に近いグラフであった場合，任意のノード間の距離がほと んど1となり，最適解付近のグラフのヒストグラムに違いがなくなる.結果，ランダムなエッジの追加・削除によるランダム探索に近い挙動を示すことになる. そこで，本研究課題では，Deep Graph Kernelの利用を検討する.Deep Graph Kernelはグラフカーネルが対象とする特徴に対して，それらの関係性も学習する も のである.word2vecにあるような単語の埋め込みをグラフに拡張したものである.特徴空間を構成するときに，特徴間の関係を埋め込むことより，カーネル関 数 の特性に左右されない安定した探索を実現する.事前学習が必要となるが，領域知識が提供できる問題クラスなら 適用可能であると考え、特に、提案手法を有機 薄膜太陽光電池で評価することを考える。 有機薄膜太陽電池は、比較的大きめの分子構造となるため、スクラッチで原子を組み合わせても適切な解表現を探索 することができない。そこで、既存の有機薄膜太陽光電池に用いられている分子構造の部分構造をモジュールとして、モジュールの組み合わせを探索するように した。また、モンテカルロツリーサーチを用いてモジュールの設計について考察した。いずれも，QDFという深層学習の一種を用いることにより，より大規模な分子構造をもつ解に対して系統的な探索が適用できるようになった
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
モジュールを組み合わせる進化計算の性能評価を行った。このモジュールは既存の有機薄膜太陽電池に用いられているものの部分化合物から取ってきたものである。つまり、新奇な化合物の生成には向かない。そこで、モジュールの設計としてモンテカルロツリーサーチの導入を検討した。これは先行研究が他の領域であったものであるが、本分野でも見通しが立つのではないかという感触が得られており、本研究分野の進展につながるのではないかと考えている。
|
| Strategy for Future Research Activity |
graph kernelとして、化合物の環構造を単位にできないか。これまでも思案していたがあまりいいものが思いついていなかった。SMILESから可視化するツールはたくさんあるので、文字列表現を中心にgraph kernelができるのではないかと考えている。この方向で残りの研究期間の間、注力していきたいと考えている。
|
| Causes of Carryover |
学会がオンラインでの開催であったため、旅費が発生しなかった。
学会が対面になるにつれて、旅費が発生するのと、論文誌への投稿、データ整理における謝金に使用する予定である。
|
