説明可能な人工知能(XAI)を用いた深層ニューラルネットワークから得られたアラニンジペプチド異性化の反応座標の説明【JST・京大機械翻訳】

Kikutsuji Takuma; Mori Yusuke; Okazaki Kei-ichi; Mori Toshifumi; Kim Kang; Matubayasi Nobuyuki

プレプリント

J-GLOBAL ID：202202211914934864 整理番号：22P0289888

説明可能な人工知能(XAI)を用いた深層ニューラルネットワークから得られたアラニンジペプチド異性化の反応座標の説明【JST・京大機械翻訳】

Explaining reaction coordinates of alanine dipeptide isomerization obtained from deep neural networks using Explainable Artificial Intelligence (XAI)

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月15日プレプリントサーバーでの情報更新日： 2022年04月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

複雑な分子系における生成物と反応物を識別する遷移状態を同定するために,適切な反応座標を得るための方法が必要である。最近,多くの集団変数が入力層に通常利用される,深層学習文献から人工ニューラルネットワークを用いて反応座標を得るために,豊富な研究が払われてきた。しかし,深いニューラルネットワークにおける非線形関数の複雑性のために,予測反応座標に集団変数が寄与する詳細を説明することは難しい。この限界を克服するために,著者らは,局所インタプリテーブルモデル診断説明(LIME)と,Shapley Aplication ExPlanation(SHAP)として知られるゲーム理論ベースフレームワークの,説明可能な人工知能(XAI)法を使用した。XAIは,真空中のアラニンジペプチド異性化のコンミッターに対する深い学習による非線形回帰により決定される反応座標に対する各集団変数の寄与度を得ることを可能にした。特に,LIMEとSHAPの両方は,予測反応座標に重要な特徴を提供し,これは,committor試験解析から以前報告されたものと一致する適切な二面角によって特徴付けられる。本研究は,適切な反応座標を説明するAI支援フレームワークを提供し,自由度の数が増加するとき,かなりの有意性を得た。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能

, , , , ,

前のページに戻る