形状（几乎）就是一切！：持续同调特征（PHFs）作为信息丰富的输入用于高效分子机器学习
机器学习
2023-04-18 v1 无序系统与神经网络
一般拓扑
摘要
三维形状对化学十分重要，但究竟有多重要？机器学习在输入简单且契合问题时表现最佳。与机器学习中通常所用的数据集相比，化学数据集往往非常小，因此我们需要从每个数据点中获取最多信息。持续同调在不同尺度上度量点云拓扑形状性质，并用于拓扑数据分析。在此，我们探究持续同调捕获了分子的哪些结构信息，并创建持续同调特征（PHFs），其在丢失原子标签、价、电荷、键等大部分符号细节的同时编码分子形状。我们在一系列化学数据集上展示PHFs的效用：QM7、亲脂性、Delaney与Tox21。PHFs表现与最佳基准相当。PHFs信息密度极高且远小于迄今发现的其他编码方法，意味着ML算法能效大幅提升。PHFs在丢失大量化学细节下仍取得成功，凸显了化学中有多少可被简化为拓扑形状。
引用
@article{arxiv.2304.07554,
title = {Shape is (almost) all!: Persistent homology features (PHFs) are an information rich input for efficient molecular machine learning},
author = {Ella Gale},
journal= {arXiv preprint arXiv:2304.07554},
year = {2023}
}
备注
18 pages, 15 figures