文献

J-GLOBAL ID：202202275902644212   整理番号：22A0728229

教師付き特性予測のための変圧器様注意を持つ異種グラフニューラルネットワークによる記述分子【JST・京大機械翻訳】

Describe Molecules by a Heterogeneous Graph Neural Network with Transformer-like Attention for Supervised Property Predictions

著者 (6件)： Deng Daiguo (Fermion Technology Co., Limited, Guangdong, P. R. China) ,  Lei Zengrong (Fermion Technology Co., Limited, Guangdong, P. R. China) ,  Hong Xiaobin (Fermion Technology Co., Limited, Guangdong, P. R. China) ,  Zhang Ruochi (Fermion Technology Co., Limited, Guangdong, P. R. China) ,  Zhang Ruochi (School of Artificial Intelligence, Jilin University, P. R. China) ,  Zhou Fengfeng (College of Computer Science and Technology, and Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Jilin, P. R. China)
資料名： ACS Omega  (ACS Omega)
巻： 7  号： 4  ページ： 3713-3721  発行年： 2022年 
JST資料番号： W5044A  ISSN： 2470-1343  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習と深層学習は,分子特性予測の様々な成功した研究を促進した。自然言語処理およびグラフニューラルネットワーク(GNN)の急速な発展は,さらに,分子特性の最新の予測性能を新しいレベルに押し進めた。幾何学的グラフは,ノードとしての原子とエッジとしての結合を有する分子構造を記述することができた。したがって,グラフニューラルネットワークは,分子構造をより良く表現するために訓練される。既存のGNNは,原子と結合の均一なタイプを仮定し,それは,異なるタイプの原子または結合の間の重要な情報を誤る可能性がある。本研究では,異種グラフニューラルネットワーク(MolHGT)を用いた分子を示し,その中で異なるタイプのノードと異なるタイプのエッジがあった。仮想ノードの変圧器読取関数を,すべてのノードを集約するために提案し,そして,分子グラフを仮想ノードの隠れ状態から表現した。この原理証明研究は,提案したMolHGTネットワークが分子特性予測の既存の研究を改善することを実証した。ソースコードと訓練/検証/試験分割の詳細はhttps://github.com/zhangruochi/Mol-HGTで利用可能である。Copyright 2022 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  *分子 ,  分子構造 ,  *変圧器 ,  *ネットワーク ,  *ニューラルネットワーク ,  自然言語処理 ,  端部 ,  化学グラフ ,  機械学習
準シソーラス用語： 分子グラフ ,  予測性能 ,  ソースコード ,  分子特性解析 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (7件)： 教師 ,  予測 ,  変圧器 ,  注意 ,  グラフニューラルネットワーク ,  記述 ,  分子