文献

J-GLOBAL ID：202202213921766148   整理番号：22A0394353

模倣と強化学習を用いた安定な分子の生成【JST・京大機械翻訳】

Generating stable molecules using imitation and reinforcement learning

著者 (8件)： Ager Meldgaard Soren (InterCat and Department of Physics and Astronomy, Aarhus University, Aarhus, Denmark) ,  Kohler Jonas (Freie Universitaet Berlin, Department of Mathematics and Computer Science, Berlin, Germany) ,  Lund Mortensen Henrik (InterCat and Department of Physics and Astronomy, Aarhus University, Aarhus, Denmark) ,  Christiansen Mads-Peter V (InterCat and Department of Physics and Astronomy, Aarhus University, Aarhus, Denmark) ,  Noe Frank (Freie Universitaet Berlin, Department of Mathematics and Computer Science, Berlin, Germany) ,  Noe Frank (Freie Universitaet Berlin, Department of Physics, Berlin, Germany) ,  Noe Frank (Rice University, Department of Chemistry, Houston, TX, United States of America) ,  Hammer Bjork (InterCat and Department of Physics and Astronomy, Aarhus University, Aarhus, Denmark)
資料名： Machine Learning: Science and Technology  (Machine Learning: Science and Technology)
巻： 3  号： 1  ページ： 015008 (18pp)  発行年： 2022年 
JST資料番号： W6456A  ISSN： 2632-2153  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 化学空間は,時間のかかる実験合成が試みられる前に,興味深い分子を発見するための機械学習法によって日常的に研究されている。しかし,これらの方法は,しばしばグラフ表現に依存し,分子の安定性を決定するのに必要な3D情報を無視する。安定性の量子化学的予測を可能にするデカルト座標における分子を生成するための強化学習(RL)法を提案した。サンプル効率を改善するために,GDB-11データベース上のイミテーション学習(IL)から基本的化学ルールを学習し,すべての化学量論に適用できる初期モデルを作成した。次に,RL設定で特定の化学量論で調整したモデルの多重コピーを展開した。モデルは,データベース中の低エネルギー分子を正確に同定し,訓練セットで見出されない新しい異性体を生成する。最後に,このモデルをより大きな分子に適用し,RLが訓練データから遠いドメインでILモデルをいかに精密化するかを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  データベース ,  化学量論 ,  多重化 ,  精密化 ,  異性体 ,  三次元 ,  量子化学 ,  直角座標 ,  機械学習 ,  *強化学習
準シソーラス用語： 訓練データ ,  低エネルギー , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 模倣 ,  強化学習 ,  分子