AugLiChem：面向机器学习的化学结构数据增强库
机器学习
2021-12-03 v2 化学物理
摘要
机器学习（ML）在分子和晶体材料性质的准确高效预测方面已展现出前景。为开发高精度的化学结构性质预测ML模型，需要具有充足样本的数据集。然而，获取干净且充分的化学性质数据成本高昂且耗时，这极大限制了ML模型的性能。受计算机视觉与自然语言处理中数据增强成功的启发，我们开发了AugLiChem：面向化学结构的数据增强库。引入了针对晶体系统与分子的数据增强方法，可用于基于指纹的ML模型和图神经网络（GNNs）。我们表明，使用我们的增强策略显著提升了ML模型性能，尤其在使用GNN时。此外，我们所开发的增强可作为训练过程中的直接插件模块，并通过AugLiChem库在不同GNN模型上实现时展现了有效性。我们实现的AugLiChem（化学结构数据增强库）基于Python的软件包公开于：https://github.com/BaratiLab/AugLiChem。
引用
@article{arxiv.2111.15112,
title = {AugLiChem: Data Augmentation Library of Chemical Structures for Machine Learning},
author = {Rishikesh Magar and Yuyang Wang and Cooper Lorsung and Chen Liang and Hariharan Ramasubramanian and Peiyuan Li and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2111.15112},
year = {2021}
}
备注
Preprint under review 4 figures, 3 tables