GEM-2：通过建模全范围多体相互作用的下一世代分子性质预测网络
机器学习
2022-10-21 v4 化学物理
分子网络
定量方法
摘要
分子性质预测是药物与材料工业中的基础任务。从物理上看，分子的性质由其自身的电子结构决定，后者是一个量子多体系统，可由薛定谔方程精确描述。电子间的全范围多体相互作用已被经典计算化学方法证明可有效获得薛定谔方程的精确解，尽管对此类相互作用建模需耗费高昂计算成本。与此同时，深度学习方法也在分子性质预测任务中展现出其能力。受经典计算化学方法启发，我们设计了一种新方法，即 GEM-2，其全面考虑了分子中的全范围多体相互作用。我们利用多条轨道对不同阶数的多体间全范围相互作用进行建模，并设计了一种新颖的轴向注意力机制，以低得多的计算成本逼近全范围相互作用建模。大量实验证明了 GEM-2 在量子化学与药物发现任务中相对于多种基线方法的压倒性优势。消融研究也验证了全范围多体相互作用的有效性。
引用
@article{arxiv.2208.05863,
title = {GEM-2: Next Generation Molecular Property Prediction Network by Modeling Full-range Many-body Interactions},
author = {Lihang Liu and Donglong He and Xiaomin Fang and Shanzhuo Zhang and Fan Wang and Jingzhou He and Hua Wu},
journal= {arXiv preprint arXiv:2208.05863},
year = {2022}
}