5. /194
低分⼦に対する典型的ベンチマークセットの例
• mutagenic potency (変異原性試験 Ames test)
• carcinogenic potency (環境物質の発がん性試験 in vivo)
• endocrine disruption (環境物質の内分泌攪乱性試験)
• growth inhibition (抗マラリア原⾍性やガン細胞成⻑阻害性 in vitro)
• aqueous solubility (⽔溶解度)
N
NH
OO
HH
H
H H
H
H
H
H
H
H
H
H
H
H+1 +1
H
H
H
H
H
H
H
H
H
H -1
O
O
O
O
O
O
Cl
H
H
H
H
H
HH
H
H
H
H
H
H
H
H
H
H
-1
Br
Br O P
O
O Br
Br
O
Br
Br
H
H
H
H
H
H
H
H
H
H
HH
H
HH
+1
N
S
N
N
H
H
H
H
H
H
H
+1
H
H
H
H
H
H
H
H
O
N
O
O
H +1
H
H
O
O
H
H
N
O
O
Cl
ClCl
-1
H
H
H
H
H
H H
N
O
O
+1 -1
H
H
H
H
H
H
H H
H
N
O
O
-1
H
H
H
H
H
H
H
N
H
N
O
O
N
O
O
H
H
H
H
H
H
H
H
N
+1
-2.885
CH3
O
O
H
N
Cl
Cl
Cl
Cl
Cl
-6.545 -4.138
H3C
O O
O
O
O
O
H3C
CH3
CH2
-5.246
O
HN
O
O
NH
-0.527
CH3
HO
OH
CH3
N
O
O
-0.816
CH3
N
N
H
N
H
H3C
N
0.739
H3C
H3C
NH
O
N
O
NO
1.399
CH3
O N
NH2
O
CH3
Br
-1.753 CH3
N
H3C
H
NS
N
O
CH3
N
OH
1.394
CH3
CH3N
N
N
CH3H3C
H2N NH2
-3.171
H
OH
O
HO
CH3
H
H
O
CH3
+1
H
O
OH3C HH
H
O
H3C
S
CH3
O
+1
H
H
O
CH3
CH3
OO
HO
H3CH
HO
F
H
O
H3C
+1
NH2
O
N
HO
HO
O
-1 H
H
O
O
OH3C
O
O
O
CH3
O
CH3
HO
CH3
H
O
O
CH3
H
H
N
H
N O
H3C
-1
O
O
O
-1
29. /1917
Message Passing NN (Gilmer+ 2017)
For each vertex :
For each layer :
各頂点は隠れ状態(学習パラメタ)を持つ
頂点vからwへのメッセージを
vの近傍N(v)から集約
集約したメッセージを⽤いて
vの隠れ状態を更新
Compute a feature vector for
(Message Passing Phase)
(Readout Phase)
各頂点の最終的な隠れ状態を
統合して出⼒ベクトルを作る
30. /1917
Message Passing NN (Gilmer+ 2017)
For each vertex :
For each layer :
各頂点は隠れ状態(学習パラメタ)を持つ
頂点vからwへのメッセージを
vの近傍N(v)から集約
集約したメッセージを⽤いて
vの隠れ状態を更新
Compute a feature vector for
(Message Passing Phase)
(Readout Phase)
• M, U, Rを微分可能にしておけば、隠れ状態hをbackpropで学習できる
• Mにエッジ特徴→hの変換⾏列を学習するニューラルネットと学習⾏列による線形変換、
UにGated Reccurent Unit (Cho+, 2014)、Rにset2set (Vinyals+, 2015)、という
組合せが実験的精度はBestだった (set2seqな気もするが論⽂にはset2setとある…)
• Message Passingで近傍からのメッセージの和を取る点とReadoutが肝(この⼯夫で頂
点数が同⼀でなくてもOKになる)だがそれで良いのかはまだ検討の余地あり(?)
各頂点の最終的な隠れ状態を
統合して出⼒ベクトルを作る