最近，機器學習在化學領域的應用有很大進展，特別是化學搜索問題，從藥物篩選、電池設計到OLEDs設計，催化劑的發(fā)現(xiàn)。 歷史上化學家使用薛定諤方程做數(shù)值近似來解決化學檢索問題，如使用密度泛函理論（DFT），然而近似值的計算成本限制了搜索的規(guī)模。 

為了能夠擴大搜索能力，雷鋒網(wǎng)了解到已有幾個研究小組使用DFT生成的訓練數(shù)據(jù)，創(chuàng)建ML模型來預測化學性質(zhì)，例如Matthias Rupp等用機器學習模型來預測各種有機分子的原子化能，J?rg Behler 和 Michele Parrinello引入DFT勢能面的一種新的神經(jīng)網(wǎng)絡表征。在這些工作的基礎之上，谷歌研究院在QM9基準數(shù)據(jù)集（配有DFT計算的電子，熱力學和振動性質(zhì)的分子集合）上應用了各種機器學習方法。

雷鋒網(wǎng)消息，谷歌研究院發(fā)布了兩篇論文，介紹了他們在這一領域的研究，研究工作由Google Brain團隊，Google Accelerated Science團隊，DeepMind和巴塞爾大學合作完成。 第一篇論文《Fast machine learning models of electronic and energetic properties consistently reach approximation errors better than DFT accuracy》調(diào)查了回歸分子和分子表征的選擇對快速機器學習模型的影響，模型用于構建有機分子的十三個基態(tài)電子性質(zhì)，每個回歸/表征/性質(zhì)組合的性能通過學習曲線評估，該曲線描繪近似誤差，以此作為訓練集大小的函數(shù)。論文在QM9基準數(shù)據(jù)集上測試了多種機器學習方法，并集中改進最有希望的深層神經(jīng)網(wǎng)絡模型。

第二篇論文《Neural Message Passing for Quantum Chemistry》描述了一種稱為消息傳遞神經(jīng)網(wǎng)絡（MPNN）的模型族，將其抽象地定義為包含很多對圖形對稱性具有不變性的神經(jīng)網(wǎng)絡模型。研究團隊在MPNN模型族中開發(fā)了新變體，性能明顯優(yōu)于QM9基準測試的所有基準測試方法，另外某些目標的性能改進了近四倍。

從機器學習的角度來看，分子數(shù)據(jù)之所以有趣，原因之一是一個分子的自然表征以原子作為邊界的結點和鍵。能夠利用數(shù)據(jù)中固有對稱性的模型更容易泛化，這很容易理解，卷積神經(jīng)網(wǎng)絡在圖像識別上之所以成功，一部分原因是模型能夠記住圖像數(shù)據(jù)中的一些不變性知識，比如把一種圖片中的狗挪到圖片左邊還是一張狗的照片）。 圖形對稱性這一固有特征是機器學習處理圖像數(shù)據(jù)非常理想的性質(zhì)，在這領域也有許多有趣的研究，例如Yujia Li等研究了結構化圖片的特征學習技巧，David Duvenaud等應用圖像神經(jīng)網(wǎng)絡學習分子指紋信息，Steven Kearnes等提出一種機器學習模型用于無向圖的學習。盡管這一領域已有所進展，谷歌研究院希望找到化學（和其他）應用模型的最佳版本，并找出文獻中提到的不同模型之間的聯(lián)系。

谷歌研究院提出的MPNN模型提高了QM9數(shù)據(jù)集任務（預測所有13種化學性質(zhì)）的最好性能，在這個特定的數(shù)據(jù)集上，他們的模型可以準確地預測13種性質(zhì)中的11個，這樣的預測性能已經(jīng)足夠準確，能對化學家未來的應用有幫助。另外，此模型比使用DFT模擬要快30萬倍。但是在MPNN模型走向實際應用之前還有很多工作要做。實際上，MPNN模型必須應用于比QM9數(shù)據(jù)更多樣化的分子集合（例如數(shù)目更大，變化更大的重原子集合）。當然，即使有了更真實的數(shù)據(jù)集，模型的泛化性能還是很差?？朔陨蟽蓚€挑戰(zhàn)需要解決機器學習研究的核心問題，例如泛化。

預測分子性質(zhì)是一個非常重要的問題，它既是先進的機器學習技術的應用場景，也為機器學習帶來了非常有趣的基礎研究課題。最后，分子性質(zhì)的預測有助于造福人類的新藥物和材料的設計。谷歌科學家們認為傳播研究成果，幫助其他研究者學習機器學習應用都是及其重要的。

封面圖片來自Chemistry Explained，雷鋒網(wǎng)編譯

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。