High-Performance Optimization Algorithm based on Machine Learning and Search

基于机器学习和搜索的高性能优化算法

• 批准号: 20H04251
• 负责人: 美添 一樹
• 金额: $ 11.32万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20H04251/
• 关键词: 探索アルゴリズム; 並列化; 機械学習; 化合物探索; データマイニング; グラフ探索; 並列アルゴリズム; 組合せ最適化; 探索; 最適化; 高性能計算; 並列計算

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。

The study of mechanical learning techniques is an important part of the research. When the year is over, the focus on performance, the convenience of performance, and the success of the company are disclosed. In this research, we attach importance to the discovery of new compounds in computational chemistry, and use of parallel chemical discovery systems (MCTS) to achieve good results. The results of the exploration and application of special and luminescent substances show that the candidate compounds of 8 species are actually produced, and the candidate compounds of 6 species are visually possible and luminescent. The results of the above report are as follows: the combination of scientific exploration and mechanical learning, the realization of scientific research, the convenience and performance of scientific research, and the disclosure of scientific research. Special, parallel, parallel. Our ChemTSV2 is an important contribution to the popularization of computer-related knowledge, which is easy for users to utilize, and possible for users to provide. In this paper, the mechanical learning method of chemical compounds is studied. The properties of compounds are calculated in computational chemistry, and the lowest number is calculated in mechanical learning. The highest approximation speed is calculated in computational chemistry. The highest performance is expected in computational chemistry. In the future, the research on the future development of the company will be carried out in the following years.

项目成果

On the possibility of short-term traffic prediction during disaster with machine learning approaches: An exploratory analysis

• DOI: 10.1016/j.tranpol.2020.05.023
• 发表时间: 2020-11-01
• 期刊: TRANSPORT POLICY
• 影响因子: 6.8
• 作者: Chikaraishi, Makoto;Garg, Prateek;Watanabe, Ryuki
• 通讯作者: Watanabe, Ryuki

Meta Approach to Data Augmentation Optimization

• DOI: 10.1109/wacv51458.2022.00359
• 发表时间: 2020-06
• 期刊: 2022 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)
• 作者: Ryuichiro Hataya;Jan Zdenek;Kazuki Yoshizoe;Hideki Nakayama

CompRet: a comprehensive recommendation framework for chemical synthesis planning with algorithmic enumeration

• DOI: 10.1186/s13321-020-00452-5
• 发表时间: 2020-05
• 期刊: Journal of Cheminformatics
• 影响因子: 8.6
• 作者: Ryosuke Shibukawa;Shoichi Ishida;Kazuki Yoshizoe;Kunihiro Wasa;K. Takasu;Yasushi Okuno;Kei Terayama;Koji Tsuda

University of British Columbia(カナダ)

不列颠哥伦比亚大学（加拿大）

NMR-TS: de novo molecule identification from NMR spectra

• DOI: 10.1080/14686996.2020.1793382
• 发表时间: 2020-01-31
• 期刊: SCIENCE AND TECHNOLOGY OF ADVANCED MATERIALS
• 影响因子: 5.5
• 作者: Zhang, Jinzhe;Terayama, Kei;Tsuda, Koji
• 通讯作者: Tsuda, Koji