2021 Fiscal Year Annual Research Report
Analysis and Applications of Discrete Preimage Problems
| Project/Area Number |
18H04113
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
阿久津 達也 京都大学, 化学研究所, 教授 (90261859)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
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)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 逆問題 / 特徴ベクトル / グラフアルゴリズム / ニューラルネットワーク / バイオインフォマティクス |
|---|
| Outline of Annual Research Achievements |
今年度は以下の研究を行った。
(1)これまでに引き続きニューラルネットワークについての原像問題に取り組んだ。昨年度提案した二層モデルに基づく化学構造設計手法を発展・洗練させた。特に制約を満たす多数の化学グラフを系統的に列挙するために、整数計画法で１個の解を求めた後に動的計画法を適用するという新規な列挙法を開発し、計算機実験によりその有効性を確認した。
(2)化学グラフに関する原像問題について、ニューラルネットワーク以外の予測モデルと整数計画法との組み合わせについて研究を行った。具体的には、Lassoと呼ばれる制約つきの線形回帰モデルを用いる方法、および、決定木モデルを用いる方法などを開発・実装した。そして計算機実験により、それらの有効性を確認した。
(3)線形閾値関数を活性化関数とする階層型ニューラルネットワークに基づく自己符号化器において、中間層において圧縮されたデータのサイズと層数、頂点数の関係を理論的に解析した。また、その結果の一部を計算機シミュレーションにより検証した。
(4)ブーリアンネットワークという遺伝子ネットワークのモデルにおいて周期的定常状態を効率良く検出することは、その内部状態を推定する上で重要である。定常状態に関する事前知識を活用することにより従来より理論的に効率的に検出する手法を開発し、計算機実験によりその有効性を確認した。
(5)化学グラフにおいてタンパク質との相互作用部位を推定するためにグラフ畳み込みを利用したニューラルネットワークモデルを開発し、計算機実験によりその有効性を確認した。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
