National Research and Development Corporation, 바카라 커뮤니티 [Nakabachi Ryoji 의장] (이하 "AIST")인공 지능 연구 센터[연구 센터 이사 인 Tsujii Jun] 기계 학습 연구 팀 이사 인 Tsubaki Masafumi AIST는 고속, 고정식 방식으로 화학 물질의 분자 구조에서 화학 물질의 바카라 필승법적 특성을 예측할 수있는 방법을 개발하여 Mizoguchi의 재료 및 환경과 협력하여 고소도적 인 교수 및 환경과 협력하여 국가 교수 및 환경에서 화학 물질의 분자 구조를 예측할 수있는 방법을 개발했습니다 국립 대학교 기업 인 도쿄 [고마미 마코토 (Gogami Makoto) 회장]의 회장은 고속 고정식 방식으로 검증 할 수있는 방법을 개발했습니다
화학 물질의 바카라 필승법적 특성을 실제로 합성하고 바카라 필승법적 특성을 측정하는 데 시간이 걸립니다이론적 계산이번에는 바카라 필승법 화학에 대한 지식에 기초하여, "스프링 스트레칭 및 수축"에 의해 분자의 원자들 사이의 화학적 결합과 같은 상호 작용의 "강도 변화"를 표현하는 기능 (잠재력)는 신경망을 사용하여 설정되고 훈련되었습니다 이 기능은 원자들 사이의 상호 작용의 강도와 화학적 결합에 해당하여 바카라 필승법적 및 화학적 해석 및 학습 결과의 검증을 허용합니다 학습 결과를 사용하여, 분자의 다양한 바카라 필승법적 특성이 예측되었다, 예를 들어, 분무 에너지는 1/10 초의 시간에 001 eV (전자 볼트) 이하의 정확도로 예측 될 수있다 이는 이론적 계산과 동일한 정확도가 이론적 계산보다 10,000 배 더 빠르게 달성되었음을 의미합니다
이 발견의 세부 사항은 American Chemical Society 's Journal of Physical Chemistry에서 제공됩니다Journal of Physical Chemistry Letters에 게시되었지만 그 이전에방금 받아 들여진 원고2018 년 8 월 6 일에 출판되었습니다 (doi : 101021/acsjpclett8b01837)
 |
| 바카라 필승법적 및 화학 지식을 통합하는 기계 학습 방법 |
세계에는 수많은 화학 물질이 있습니다 약 3 천만 종이 미국 화학 학회의 화학 물질 데이터베이스에 나열되어 있으며, 그 중 5,000 종은 매년 전 세계 1,000 톤 이상 생산됩니다 이러한 화학 물질은 광 흡수 및 열 전도와 같은 강도와 같은 다양한 바카라 필승법적 특성을 나타내며, 바카라 필승법적 특성은 구성 요소의 유형, 분자의 구조 및 화학적 결합의 강도에 의해 결정됩니다 이러한 화학 물질의 바카라 필승법적 특성을 아는 것은 재료 발달에서 중요하며 지금까지 두 가지 방법이 사용되었습니다 하나는 실제로 물질을 합성하고 각 물질의 바카라 필승법적 특성을 측정하는 것이며, 다른 물질은 화학 물질의 분자 구조를 컴퓨터에 입력하고 이론적 계산을 계산하는 것입니다 그러나 둘 다 광범위한 장비, 전문 지식 및 경험이 필요하며 오랜 시간이 걸립니다 이러한 문제를 해결하고 고속 및 높은 정확도로 예측 가능한 화학 물질에 의해 전시되는 다양한 바카라 필승법적 특성을 만들어 재료 개발 속도를 가속화하는 방법이 필요합니다
AIST기계 학습를 적용하는 것을 목표로합니다 이미지 및 언어와 같은 데이터뿐만 아니라 화학 및 재료 데이터에 또한 인간과 상호 이해 될 수있는 차세대 인공 지능 기술로서, 우리는 대규모 데이터와 인간이 축적 한 지식을 사용하여 복잡한 기계 학습을 가능하게하고 학습 결과를 쉽게 해석하고 검증 할 수 있도록합니다 이번에는 기계 학습을 사용하여 화학 물질의 바카라 필승법적 특성을 예측하기 위해 바카라 필승법 화학 지식을 활용하는 방법에 대한 연구 개발에 대해 노력했습니다
또한,이 연구 및 개발은 NEDO (New Energy and Industrial Intelock Development Organizence) "차세대 인공 지능 및 로봇 핵심 기술 개발/차세대 인공 지능 기술 분야/연구 및 인간과 상호 공작 연구소 (JST)의 전략적 연구 기관 (JST)의 전략적 연구 기관 (JST)의 전세적 인 인공 지능 기술 개발에 의해 지원되었습니다 (Sakigake) "이론, 실험 및 계산 과학 및 데이터 과학이 협력하고 융합하는 고급 자료 정보학을위한 기본 기술 구축"연구 분야 (연구원 : Tsuneyuki Shinji (도쿄 대학))
분자 구조는 요소 및 위치, 즉 3D 3 차원 구조 데이터로 표현됩니다 최근 몇 년 동안, 유연한 기계 학습 방법이 제안되기 시작하여 분자 구조 데이터를 직접 입력하여 어떤 크기 또는 구조 분자가 있든 재료의 바카라 필승법적 특성을 예측할 수 있습니다 그러나 기존의 방법은 학습 결과를 해석하는 데 어려움이 있으며 학습 결과의 유효성을 확인할 수 없습니다 이 기사에서, 바카라 필승법 화학 분야에서 사용되는 대략적인 방정식에 기초하여, 기능 (전위)은 "스프링 스트레칭 및 수축"에 의한 화학적 결합과 같은 상호 작용의 "강도 변화"를 나타내는 분자의 원자들 사이에 설정되었다 그런 다음 대규모 데이터를 사용하여 기능을 나타내는 신경망 (기계 학습 모델)을 교육하는 방법을 고안했습니다 이 기능은 원자와 화학적 결합 사이의 상호 작용의 강도에 해당하여 학습 결과의 신체적 및 화학적 해석 및 검증을 허용합니다
이번에 고안된 방법을 사용하여, 130,000 개가 넘는 화합물의 대규모 데이터베이스를 계산 시간과 예측의 정확도를 평가하기 위해 훈련되었습니다 결과적으로, 분자에 의해 표현 된 다양한 바카라 필승법적 특성이 이론적 계산보다 10,000 배 이상 빠른 속도로 예측 될 수 있으며, 이론적 계산과 유사한 높은 정확도를 가지고있다 (도 1)
또한, 이론적 바카라 필승법 화학적 계산을 통해 얻은 원자들 사이의 화학적 결합 (단일 결합 및 이중 결합)의 강도를 나타내는 전위를 비교하고 검증 할 때, 본 방법을 사용하여 얻은 것들이 좋은 일치에 있음을 확인했습니다 (그림 2) 이는 현재 방법이 데이터에서 바카라 필승법적으로나 화학적으로 해석 될 수있는 정보를 학습 함을 나타냅니다
바카라 필승법학 또는 화학과 같은 데이터에 대한 예측을 할 때 컴퓨터 학습 결과를 이미 보유하고있는 지식 및 이론적 계산과 비교하고 결과의 유효성을 확인하는 것이 중요합니다 그러나이 방법은 자료의 바카라 필승법적 특성을 예측할뿐만 아니라 자료의 바카라 필승법적 특성을 예측할 수 있습니다
 |
그림 1 기계 학습에 의해 예측 된 바카라 필승법적 특성 (homo、Lumo、U0）
이론적 계산을 통해 얻은 바카라 필승법적 특성 값
그림의 원자는 각각 흰색의 수소, 회색의 탄소, 빨간색의 산소, 질소는 청색입니다 |
 |
| 그림 2 화학 결합의 강도를 보여주는 잠재적 곡선 (왼쪽은 이론적 계산, 기계 학습을 사용하여 얻은 결과) |
요소와 분자 구조의 다른 조합을 갖는 수많은 화학 물질이 있지만 그 중 002% 미만이 대량 생산됩니다 이 방법을 사용하여 많은 후보 화학 물질의 바카라 필승법적 특성을 종합적으로 평가함으로써 고속 및 고정밀 예측을 허용하면 우수하고 새로운 기능으로 화학 물질을 찾는 과정이 가속화 될 것으로 예상됩니다 앞으로 우리는 우리가보다 정확하게 개발 한 방법을 계속 만들고, 방법을 사용하여 재료 개발을 크게 가속화하여 새로운 화학 물질의 발견으로 이어질 것입니다