敵対的に正規化されたオートエンコーダに基づく分子生成モデル

Molecular Generative Model Based On Adversarially Regularized Autoencoder
Seung Hwan Hong,Jaechang Lim, Seongok Ryu, and Woo Youn Kim Journal of Chemical Information and Modeling,10 December 2019

分子設計の新しい有望な手法として,深層生成モデルが大きな注目を集めている.これまでに報告された全てのモデルは,変分オートエンコーダー(VAE)または,敵対的生成ネットワークに基づいている.ここでは,敵対的に正規化されたオートエンコーダー(ARAE)に基づく新たなモデルを提案する.基本的にVAEのように潜在変数を使用するが,潜在変数の分布はGANで行われるような敵対的学習によって獲得する.後者では,VAEでの事後分布の不適切な近似と,GANによる離散変数の処理の困難さを回避する事が目的である.我々のベンチマーク研究では,生成分子毎に有効性,一意性,新規性の点でARAEが従来のモデルを上回る事が示された.また,我々は単一及び複数の性質制御の両ケースにおいて,ARAEを用いた薬らしい分子の条件付き生成の成功を実証した.潜在的な実世界のアプリケーションとして,既知の活性分子の土台を共有すると同時に,薬らしい分子のような条件を満たしたEGFR阻害剤の生成が可能である.