Diagnosing and fixing common problems in Bayesian optimization for molecule design

要約

ベイジアン最適化 (BO) は、分子設計タスクに対する原則に基づいたアプローチです。
この論文では、経験的パフォーマンスの低下を引き起こす可能性がある BO の 3 つの落とし穴、つまり、不正確な事前幅、過剰な平滑化、不適切な取得関数の最大化について説明します。
これらの問題を解決すれば、基本的な BO セットアップでも分子設計の PMO ベンチマークで最高の総合パフォーマンスを達成できることを示します (Gao et al 2022)。
これらの結果は、分子の機械学習コミュニティで BO がさらに注目されることで恩恵を受ける可能性があることを示唆しています。

要約(オリジナル)

Bayesian optimization (BO) is a principled approach to molecular design tasks. In this paper we explain three pitfalls of BO which can cause poor empirical performance: an incorrect prior width, over-smoothing, and inadequate acquisition function maximization. We show that with these issues addressed, even a basic BO setup is able to achieve the highest overall performance on the PMO benchmark for molecule design (Gao et al 2022). These results suggest that BO may benefit from more attention in the machine learning for molecules community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google