化学中的机器学习方法1

• 来自我的个人网站: http://wangbch.com

化学中的机器学习方法

• 化学中的ML主要是用在能量预测上，MoleculeNet或DeepChem实现了较多的方法。通常有用分子结构式或用分子坐标进行能量预测两种。下面主要讲从分子坐标到能量

从分子坐标到能量

• 分子坐标作为一个Nx3（N为原子数目）的矩阵，可以直接用神经网络等ML方法映射到一个能量浮点数上，但是这样不具备平移和旋转对称性，即平移之后，矩阵变动很大，但是实际上分子的能量没有变，要实现这种对称性，要么就数据集扩增（强行平移坐标，能量不变）要么就编码（实现一种平移对称性编码）。
• ANI-1方法实现的编码是，将每一个原子作为中心原子，对于每一种其他元素的所有原子，求距离得到一个距离向量（比如第1个C原子，对所有氧原子求距离得到距离向量），然后将距离向量作为x代入一个固定均值和方差的高斯函数中，将新得到的向量进行reduce降维求和（reduce_sum就是将向量各元素相加得到1个浮点数），高斯函数有多个，均值和方差都不同。
• 这样的编码效果是将Nx3的矩阵变成NxMxL的矩阵，N是原子数目，M是元素数目，L是高斯函数的数目（也可能是NxM*L，后两维flatten成向量）。这样采用高斯函数编码，对于任意多的原子，编码过后向量长度都是L（而不是随着原子数目增加）
• 此外，另一个拓展新还体现在，对于不同的中心原子种类，作为不同的DenseNN的输入，最后得到一个能量分量，最终用reduce sum求和作为能量。
• 比如CHO原子的输入3x3，经过5个高斯函数转化为3x3x5或3x15，然后按照CHO分成三个1x3x5，放入三个DenseNN中，这个DenseNN输入为3x5或者15，输出为1长度。这样的操作使得对于原子种类有扩展性，并且更为精确。