EquiReact: An equivariant neural network for chemical reactions

要約

等変ニューラル ネットワークにより、分子特性の予測の精度とデータ効率が大幅に向上しました。
この成功を基に、反応物と生成物の 3 次元構造から構築された、化学反応の特性を推測するための等変ニューラル ネットワークである EquiReact を導入します。
原子マッピング情報の組み込みに応じて、異なるレジームを使用した GDB7-22-TS、Cyclo-23-TS、および Proparg-21-TS データセットの活性化障壁の予測における競合パフォーマンスを示します。
我々は、反応特性予測のための最先端のモデルと比較して、EquiReact が以下を提供することを示します: (i) 原子マッピング領域間の感度が低下した柔軟なモデル、(ii) 目に見えない化学に対するより優れた外挿機能、(iii)
反応物/生成物の三次元形状に微妙な変化を示すデータセットの印象的な予測誤差、(iv) 形状の品質に対する感度の低下、および (iv) 優れたデータ効率。

要約(オリジナル)

Equivariant neural networks have considerably improved the accuracy and data-efficiency of predictions of molecular properties. Building on this success, we introduce EquiReact, an equivariant neural network to infer properties of chemical reactions, built from three-dimensional structures of reactants and products. We illustrate its competitive performance on the prediction of activation barriers on the GDB7-22-TS, Cyclo-23-TS and Proparg-21-TS datasets with different regimes according to the inclusion of atom-mapping information. We show that, compared to state-of-the-art models for reaction property prediction, EquiReact offers: (i) a flexible model with reduced sensitivity between atom-mapping regimes, (ii) better extrapolation capabilities to unseen chemistries, (iii) impressive prediction errors for datasets exhibiting subtle variations in three-dimensional geometries of reactants/products, (iv) reduced sensitivity to geometry quality and (iv) excellent data efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google