深層強化学習を用いた分子構造生成モデルの構造成立性向上に関する検討

カテゴリ: 部門大会

論文No: 13-B-a1-6

グループ名: 【A】令和4年電気学会基礎・材料・共通部門大会

発行日: 2022/08/30

著者名: 竪山 智博(東京大学), 嶋川 肇(東京大学), 熊田 亜紀子(東京大学), 佐藤 正寛(東京大学)

キーワード: 絶縁材料|ポリマー|深層強化学習|構造成立性|SMILES

要約(日本語): 近年,データ駆動型材料開発手法であるマテリアルズ・インフォマティクス(MI)が注目を集めており,著者らは深層学習を活用した絶縁材料向けポリマーの物性予測手法および高性能材料創成手法の開発を行っている。その中で,少ない教師ありデータでポリマーの高精度な物性予測を可能とした半教師あり学習モデルをベースとした,高い性能を有する分子構造探索手法の検討を進めている。しかし,使用した分子構造生成モデルは分子構造の成立性を学習していないため,誤った分子構造を容易に出力するという欠点があった。今回,誤った分子構造を事後修正する深層強化学習モデルを構築し,生成モデルを修正・再学習させることなく分子構造の成立性を高めることに成功した。

PDFファイルサイズ: 478 Kバイト