SE(3)不变的多参数持续同调用于手性敏感的分子性质预测
机器学习
2023-12-14 v1 计算几何
代数拓扑
摘要
在本研究中，我们提出了一种利用多参数持续同调（MPPH）生成分子指纹的新计算方法。该技术对于药物发现和材料科学具有重要意义，因为精确的分子性质预测至关重要。通过将SE(3)不变性与Vietoris-Rips持续同调相结合，我们有效地捕获了分子手性的三维表示。这种不可重叠的镜像性质直接影响分子相互作用，是分子性质预测中的一个关键因素。我们通过在不同尺度和参数（如原子量、部分电荷、键类型和手性）下应用Vietoris-Rips持续同调，探索了分子结构中的底层拓扑和模式。通过引入额外参数，如芳香性、轨道杂化、键极性、共轭体系以及键角和扭转角，可以进一步提高我们方法的有效性。此外，我们利用随机梯度Langevin提升在GBDT的贝叶斯集成中获取梯度提升模型的偶然不确定性和认知不确定性估计。利用这些不确定性估计，我们优先选择高不确定性样本进行主动学习和模型微调，从而在数据标注成本高昂或耗时的情况下受益。与通常遭受过平滑和过挤压问题的传统GNN相比，MPPH提供了更全面且可解释的分子数据拓扑表征。我们通过理论稳定性保证支持我们的方法，并通过在MoleculeNet基准数据集上的广泛评估，证明其在预测分子性质方面优于现有最先进方法。
引用
@article{arxiv.2312.07633,
title = {SE(3)-Invariant Multiparameter Persistent Homology for Chiral-Sensitive Molecular Property Prediction},
author = {Andac Demir and Francis Prael and Bulent Kiziltan},
journal= {arXiv preprint arXiv:2312.07633},
year = {2023}
}
备注
NeurIPS 2023 AI for Science Workshop