用于计算机辅助分子设计的图神经网络混合整数优化
最优化与控制
2023-12-05 v1 神经与进化计算
摘要
ReLU 神经网络已被建模为混合整数线性规划 (MILP) 中的约束，从而实现了各领域中基于代理的优化，并高效求解机器学习认证问题。然而，先前的工作大多局限于 MLP。图神经网络 (GNN) 能够高效地从诸如分子结构等非欧几里得数据结构中学习，因此与计算机辅助分子设计 (CAMD) 高度相关。我们提出了 ReLU 图卷积神经网络的双线性公式以及 ReLU GraphSAGE 模型的 MILP 公式。这些公式能够将训练好的 GNN 嵌入优化问题中并求解至全局最优。我们将该优化方法应用于一个说明性的 CAMD 案例研究，其中训练好的 GNN 的公式被用于设计具有最优沸点的分子。
引用
@article{arxiv.2312.01228,
title = {Mixed-Integer Optimisation of Graph Neural Networks for Computer-Aided Molecular Design},
author = {Tom McDonald and Calvin Tsay and Artur M. Schweidtmann and Neil Yorke-Smith},
journal= {arXiv preprint arXiv:2312.01228},
year = {2023}
}