| 研究課題/領域番号 |
18K05025
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
山下 雄史 東京大学, 先端科学技術研究センター, 特任准教授 (50615622)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 分子ダイナミクス / ２次元カオス系 / 機械学習 / 深層学習 |
|---|
| 研究実績の概要 |
タンパク質間相互作用は生命現象を支える。例えば、シグナル伝達や抗体の抗原認識は、特定のタンパク質と相互作用することで始まる。近年、我々は、タンパク質界面は構造的に上手く組み上がって直接的に相互作用エネルギーを強化しているだけでなく、ダイナミクス・水の捕縛などもエントロピー的に結合力に寄与していることを見出している。そこで、本研究は、機械学習の技術を活用して、タンパク質界面の複雑ダイナミクスの特徴付けを可能とする理論・方法の開発することを目的とする。機械学習の技術は近年急速に発展している。例えば、画像認識の能力は人間の精度を上回り、チェスや囲碁も人間のチャンピオンに勝つ人工知能が登場している。こうした技術の分子科学への導入によって、タンパク質間に見られる重要なダイナミクス現象を解き明かしていく。
本年度は、比較的単純でダイナミクスの性質がよく分かっているモデル系を対象にして、機械学習をダイナミクス解析に応用するノウハウを蓄積した。本年度前半においては、深層ニューラルネットワークやサポートベクトルマシンをはじめとするいくつかの機械学習プログラムを準備した。後半においては、２次元ハミルトン系ダイナミクスの学習データベースを構築した。このデータベースを機械学習にかけカオス性の予測に応用したところ、ハイパーパラメータのチューニングは不十分であるものの、８割を超える正答率は達成できた。これは、ランダムで根拠のない予測をした場合の正答率を大きく上回るもので、機械学習によりダイナミクスの特徴を抜き出すことに成功していることを示唆している。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
ダイナミクスの性質がよく分かっている２次元ハミルトン系を対象にして、機械学習をダイナミクス解析に応用するノウハウを蓄積した。まず、深層ニューラルネットワークやサポートベクトルマシンをはじめとする複数の機械学習プログラムを準備した。次に、２次元ハミルトニアン系のダイナミクスのデータベースを構築した。このデータベースを機械学習にかけ、カオス性の予測をおこなった。別途、従来の物理的手法により正答率を確認したところ、8割を超える成果を上げることができていた。さらに、ハイパーパラメータをチューニングすることで高い正答率を得ることが可能になると考えられる。
|
| 今後の研究の推進方策 |
新しい機械学習応用に挑戦してきたが、ノウハウが蓄積され、概ね順調に進んでいる。本年度の結果を解析することで機械学習の精度を高めるとともに、新たに実在の分子系への実践的応用を試みる。
|
| 次年度使用額が生じた理由 |
今年度は、モデル開発および機械学習プログラムの開発に集中したため、大規模な計算の費用がかからなかった。
次年度より本格的に大規模なデータベース構築やハイパーパラメータチューニング等の作業が始まる。これのための計算機の費用・人件費等として、繰り越して使用する計画にした。
|
