機械学習の整数計画法に基づく逆解析法による化合物推定システムの開発

この研究は、任意の形状の化合物を対象として取り組み、精度高い物性値の予測関数を構築でき、そして化合物の概形を設定した上で、局所的なトポロジー構造を多様に設定できる化合物推定システムの開発を目指す。今年度では、前述した目的を達成するために以下の研究を実施した：１．化学グラフに対して、グラフ理論に基づいた特徴ベクトルを定義する。さらに、二つの特徴の積に基づく特徴ベクトル及び変数減少法(backward stepwise)による特徴の選択を設計し、また物性値の範囲などについての前処理を行い、線形回帰、ANNや決定木などの機械学習法の入力として使ったときに従来より良好な学習成績を達成しました。このモデルについて、一定の誤差範囲内で逆問題を解くような混合線形計画法（MILP）の定式化も成功した。実験計画を立て、実験を実行し、結果などをまとめて論文を投稿し、国際学会で発表した。２．グラフ畳み込みネットワーク（GCN）などの機械学習法を使って指定の物性に対して構造から物性値を予測する関数を構築およびその逆問題のMILPの定式化を開発している。学会誌等への発表 1. J. Zhu, N. A. Azam, K. Haraguchi, L. Zhao, H. Nagamochi, and T. Akutsu. An inverse qsar method based on linear regression and integer programming. Frontiers in Bioscience-Landmark, 27(6):188, 2022.学会発表【国外】1. J. Zhu, N. A. Azam, S. Cao, R. Ido, K. Haraguchi, L. Zhao, H. Nagamochi, and T. Akutsu, Molecular design based on integer programming and quadratic descriptors in a two-layered model, 2022, presented at InCoB2022, November 21-23, 2022. Online.

この研究は、任意の形状の化合物を対象として取り組み、精度高い物性値の予測関数を構築でき、そして化合物の概形を設定した上で、局所的なトポロジー構造を多様に設定できる化合物推定システムの開発を目指す。今年度では、前述した目的を達成するために以下の研究を実施した：１．化学グラフに対して、グラフ理論に基づいた特徴ベクトルを定義する。さらに、二つの特徴の積に基づく特徴ベクトル及び変数減少法(backward stepwise)による特徴の選択を設計し、また物性値の範囲などについての前処理を行い、線形回帰、ANNや決定木などの機械学習法の入力として使ったときに従来より良好な学習成績を達成しました。このモデルについて、一定の誤差範囲内で逆問題を解くような混合線形計画法（MILP）の定式化も成功した。実験計画を立て、実験を実行し、結果などをまとめて論文を投稿し、国際学会で発表した。２．グラフ畳み込みネットワーク（GCN）などの機械学習法を使って指定の物性に対して構造から物性値を予測する関数を構築およびその逆問題のMILPの定式化を開発している。学会誌等への発表 1. J. Zhu, N. A. Azam, K. Haraguchi, L. Zhao, H. Nagamochi, and T. Akutsu. An inverse qsar method based on linear regression and integer programming. Frontiers in Bioscience-Landmark, 27(6):188, 2022.学会発表【国外】1. J. Zhu, N. A. Azam, S. Cao, R. Ido, K. Haraguchi, L. Zhao, H. Nagamochi, and T. Akutsu, Molecular design based on integer programming and quadratic descriptors in a two-layered model, 2022, presented at InCoB2022, November 21-23, 2022. Online.