High-Performance Optimization Algorithm based on Machine Learning and Search

点击翻译按钮获取中文摘要

引き続き、探索アルゴリズムと機械学習を用いた手法の研究を継続している。当該年度では特に、応用分野での実性能の向上に注力し、利便性と性能を両立したソフトウェアとして成果を公開している。グラフ探索アルゴリズムと機械学習の応用分野の中でも本研究で重視しているテーマである新規化合物発見において、計算化学シミュレーションによるサンプリングを利用した並列モンテカルロ木探索 (MCTS) による化合物発見が良好な成果を得た。特に、蛍光物質の発見への応用で、探索の結果得られた化合物の候補から8種類を実際に作成し、そのうち6種類が目視可能な強度での発光をすることが確認された。上記の成果は並列モンテカルロ木探索と機械学習の組み合わせによって実現されているが、そのアルゴリズムについて、さらに利便性と性能を向上させたオープンソフトウェアChemTSv2として公開している。特に、並列アルゴリズムはスーパーコンピュータなどの高速な計算資源の利用に不可欠だが、グラフ探索アルゴリズムにおいては並列化されたツールの提供は希である。我々のChemTSv2はさらに、計算機に関する専門的な知識を持たない利用者でも容易に利用可能な形態で提供されており、これは研究成果の普及について重要な貢献だと言える。さらに、機械学習手法を化合物モデルに適用する研究に取り組んだ。化合物の性質を計算化学シミュレーションで計算する場合には最低数分かかるが、これを機械学習モデルで高速に近似することにより探索アルゴリズムの全体の性能を向上させることが期待される。未発表だが、来年度以降に向けて研究を継続している。