Automatic Identification of Chemical Moieties

要約

タイトル：化学的要素の自動識別
要約：

– 近年、機械学習手法による量子力学観測値の予測がますます一般的になっています。
– メッセージパッシングニューラルネットワーク（MPNN）は、興味のある特性が予測される原子の表現を構築することによって、このタスクを解決します。
– ここでは、これらの表現から化学モイエティ（分子の構成要素）を自動的に識別する方法を紹介し、それ以外にも専門家の知識に頼る必要がある多様なアプリケーションを可能にします。
– 必要な表現は、事前に学習されたMPNNによって提供されるか、構造情報のみを使用して0から学習することができます。
– 分子指紋のデータ駆動型設計に加え、私たちのアプローチの多目的性は、化学データベース内の代表的なエントリの選択、コースグレインドフォースフィールドの自動構築、および反応座標の特定を可能にすることで示されています。

要約(オリジナル)

In recent years, the prediction of quantum mechanical observables with machine learning methods has become increasingly popular. Message-passing neural networks (MPNNs) solve this task by constructing atomic representations, from which the properties of interest are predicted. Here, we introduce a method to automatically identify chemical moieties (molecular building blocks) from such representations, enabling a variety of applications beyond property prediction, which otherwise rely on expert knowledge. The required representation can either be provided by a pretrained MPNN, or learned from scratch using only structural information. Beyond the data-driven design of molecular fingerprints, the versatility of our approach is demonstrated by enabling the selection of representative entries in chemical databases, the automatic construction of coarse-grained force fields, as well as the identification of reaction coordinates.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI