大気科学における機械学習予測のための解釈可能な分子記述子

科学分野:

• 大気化学
• 計算化学
• 機械学習

背景:

• エアロゾル形成と化学のための機械学習は、大気化合物に対する不十分な分子記述子によって妨げられています。
• 既存の記述子は、大気中に存在する大きくて高度に酸化された有機分子には対応が困難です。
• 解釈可能なモデルは、特定の分子部分構造に結び付けられた辞書ベースの記述子によって特に制限されます。

研究 の 目的:

• 大気化合物用に設計された新しい解釈可能な分子記述子であるATMOMACCSを導入すること。
• 主要な物理化学的特性を予測する上で、従来の記述子に対するATMOMACCSのパフォーマンスを評価すること。

主な方法:

• SIMPOLに触発されたモチーフとMACCSフィンガープリントキーを組み合わせてATMOMACCSを開発しました。
• カーネルリッジ回帰モデルを使用して、6つの大気化合物データセットで記述子のパフォーマンスを評価しました。
• 記述子と特性の関係を理解するために特徴分析を実行しました。

主要な成果:

• ATMOMACCSは、RDKitトポロジカルフィンガープリントと比較して優れたパフォーマンスを示しました。
• 飽和蒸気圧（最大43％）、平衡分配係数（最大9％）、ガラス転移温度（22％）、および蒸発エンタルピー（61％）の予測における誤差を大幅に削減しました。
• さまざまな物理化学的特性に影響を与える重要な分子の特徴を特定し、記述子の一般化可能性を強調しました。

結論:

• ATMOMACCSは、大気化合物に対して効果的な、用途が広く解釈可能な分子記述子です。
• この記述子は、大気化合物の特性を予測するための機械学習モデルの精度を向上させます。
• 大気化学および物理学に関連する構造と特性の関係についての洞察を提供します。