Нейронная передача сообщений для квантовой химии

Обучение с учителем на молекулах обладает огромным потенциалом для применения в химии, разработке лекарств и материаловедении. В литературе уже описано несколько многообещающих и тесно связанных нейронных сетевых моделей, инвариантных относительно молекулярных симметрий. Эти модели изучают алгоритм передачи сообщений и процедуру агрегирования для вычисления функции от всего входного графа. Следующий шаг — найти особенно эффективный вариант этого общего подхода и применить его к бенчмаркам химических предсказаний до тех пор, пока либо не будут решены сами бенчмарки, либо не будут достигнуты пределы подхода. В данной статье мы реформулируем существующие модели в единую общую структуру, которую называем Message Passing Neural Networks (MPNNs), и исследуем дополнительные новые вариации в рамках этой структуры. С помощью MPNN мы демонстрируем передовые результаты на важном бенчмарке предсказания свойств молекул; эти результаты настолько убедительны, что, по нашему мнению, будущие исследования должны сосредоточиться на наборах данных с более крупными молекулами или с более точными эталонными (ground-truth) метками.