| 研究課題/領域番号 |
18H04113
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
阿久津 達也 京都大学, 化学研究所, 教授 (90261859)
|
|---|
| 研究分担者 |
永持 仁 京都大学, 情報学研究科, 教授 (70202231)
細川 浩 京都大学, 情報学研究科, 講師 (90359779)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| キーワード | 逆問題 / ニューラルネットワーク / 整数計画法 / ケモインフォマティクス / バイオインフォマティクス / グラフアルゴリズム / 特徴ベクトル / 生成AI |
|---|
| 研究成果の概要 |
離散データを入力としてその特性などを出力とする予測関数を機械学習法などで得た後で、望ましい特性を与えてその逆像を計算することにより新規の構造データを生成するという離散原像問題について、化学構造の設計を主対象に研究を行い、混合整数線形計画法に基づく実用的な手法を開発した。予測関数としては主にニューラルネットワークを用い、逆像問題を効率的に解くために化学構造を階層的に表現する二層モデルなどの新たな概念を提案し、中規模の化学構造について現実的な時間で離散逆像問題が解けることを示した。一方、理論的観点からは、線形閾値関数に基づく自己符号化器の圧縮能力と頂点数などの関係を解析するなどの成果を得た。
|
| 自由記述の分野 |
数理生物情報学
|
| 研究成果の学術的意義や社会的意義 |
本研究により、新規構造データ生成のための新たな方法論である離散原像問題という枠組みを確立した。原像（逆像）の計算自体は一般に計算困難なクラスに属するが、混合整数線形計画法を効果的に適用するための計算手法や数理モデルを開発し、中規模の化学構造データに対し、実際に原像が計算可能なことを示した。近年、生成AIが注目を集めているが、既存手法とは大きく異なる方法論を示したこともあり、独創的でかつ発展性の高い成果が得られたと考えられる。
この方法論を発展・拡張することにより新規で有用な化合物、さらには、タンパク質などの設計につながる可能性があり、社会的観点からも応用可能性の高い成果が得られたと考えられる。
|
