説明
DimeNetおよびDimeNet++は、分子グラフニューラルネットワークの分野における重要な進歩を表しています。最初のDimeNetモデルは、「Directional Message Passing for Molecular Graphs」（ICLR 2020）で紹介され、方向性情報を活用して原子間のメッセージパッシングを改善し、分子構造と特性のより正確な表現を可能にします。このアプローチは、分子内の複雑な相互作用を捉えるモデルの能力を高めます。
続きを読む
DimeNet++は、「Fast and Uncertainty-Aware Directional Message Passing for Non-Equilibrium Molecules」（NeurIPS-W 2020）で発表された後継モデルであり、DimeNetの基盤の上に構築され、速度と精度の両面で大幅な改善をもたらしています。元のDimeNetと比較して最大8倍高速で10%高精度であると報告されており、大規模な分子シミュレーションや創薬アプリケーションにおいてより実用的な選択肢となっています。このGitHubリポジトリで提供される実装は、両モデルの参照として機能します。
このリポジトリには、これらのモデルの実行と実験に必要な不可欠なコンポーネントが含まれています。トレーニング用のノートブック（`train.ipynb`）と予測用のノートブック（`predict.ipynb`）が含まれており、ユーザーはモデルをデータセットに簡単に適用できます。クラスターベースのトレーニングが必要なユーザー向けに、SacredおよびSEMLと統合されたトレーニングスクリプト（`train_seml.py`）も利用可能です。さらに、DimeNet++およびTensorFlow 2.0プロトタイプの両方の事前学習済みモデルが`pretrained`フォルダに提供されており、迅速な実験とデプロイメントを容易にします。
リポジトリ内には、出力層の特定の初期化戦略や、潜在的な問題やバグに関する議論など、主要なアーキテクチャの詳細と実装に関する注記が記載されています。このプロジェクトは、PythonとTensorFlowを主要なディープラーニングフレームワークとして実装されており、NumPy、SciPy、SymPy、TensorFlow Addonsなどのライブラリによってサポートされています。また、JAX & HaikuおよびPyTorch Geometricでの他の実装も強調されており、これらのモデルを取り巻く活発な研究コミュニティを示唆しています。これらのモデルは、計算化学、材料科学、ケモインフォマティクス分野の研究者や開発者が、分子特性予測と分析にディープラーニングを活用しようとする際に特に役立ちます。
- カテゴリーAIモデルとLLM
- 料金モデルオープンソース
- デプロイクラウド, セルフホスト
- プラットフォームWeb
DimeNet and DimeNet++の主要機能
分子グラフのための方向性メッセージパッシング
DimeNetモデルアーキテクチャ
DimeNet++モデルアーキテクチャ
参照実装
トレーニングノートブック付属
予測ノートブック付属
クラスタートレーニングスクリプト利用可能
事前学習済みモデル提供
TensorFlow 2.0プロトタイプ利用可能
エネルギーおよび力予測への焦点（GemNetの推奨による）
不確実性認識型予測（DimeNet++）
DimeNet and DimeNet++をはじめる
モデルへのアクセス: GitHubリポジトリをクローンします。
環境設定: 必要なPythonパッケージ（TensorFlow、NumPy、SciPy、SymPy、TensorFlow Addons）をインストールします。
API経由での統合: 提供されているノートブックまたはスクリプトをトレーニングと予測に利用します。
モデルでの実験: 事前学習済みモデルをロードして、より迅速なイテレーションを行います。
クラスタートレーニングへの適応: 分散トレーニングには`train_seml.py`スクリプトを使用します。
予測の生成: トレーニング済みモデルを使用して`predict.ipynb`ノートブックを使用します。
DimeNet and DimeNet++の使用例
- 分子特性予測
- 創薬
- 材料科学
- ケモインフォマティクス研究
- 計算化学
