機械学習を用いた物性推算機能MI-Suite

マテリアルズインフォマティクスに関連する様々な手法に対応する機能のご紹介

MI-Suiteは、機械学習を用いた定量的構造物性相関（QSPR: Quantitative Structure-Property
Relationship）の推算を中心に、最大共通部分構造検索機能、記述子計算機能、外部データベースアクセスツールなどマテリアルズインフォマティクス（Materials Informatics, MI）に必要な機能から構成されています。また、機械学習に必要なデータが足りない場合にシミュレーション結果で補うことが考えられますが、J-OCTAでは大量のインプット作成、計算実行により物理量や物性のDB化を支援するためのツール（モデリングAPI、シナリオ機能など）もご用意しています。

機械学習に用いるデータの選択や学習条件の設定はダイアログから行うことができ、ユーザーがプログラミングをする必要はありませんので、初心者の方でもすぐに取り組み始めることが可能です。また、いくつかの学習済みモデルを搭載しており、このモデルを予測に使用することができます。

MI-Suite機能構成

1. データブラウザ
2. SMILES 取得機能
3. 深層学習による QSPR/QSAR 機能（DeepQSPR）

1. 学習機能
2. 予測機能

4. 非深層学習による QSPR 機能（ML-QSPR）

1. 学習機能
2. 予測機能

5. 最大共通部分構造検索（MaCS Extractor）
6. 記述子計算機能（ChemDC）
7. データベースアクセスツール（DB-Explorer）
8. 逆解析（mol-infer）

ご利用可能な学習済みモデル

密度、モル体積、定圧熱容量、ガラス転移温度、屈折率、比誘電率、誘電正接、特性比、粘度、脂溶性　など

その他、機械学習やマテリアルズインフォマティクスに関する概観について、以下の記事もご参照ください。

解析事例

機械学習によるχパラメータの推定

2つの分子の記述子から特徴量を作成し、相互作用パラメータχとの関係を学習【解析事例】機械学習によるχパラメータの推定
mol-inferを用いたQSPRの逆解析

物性値から分子構造を予測

【解析事例】mol-inferを用いたQSPRの逆解析
機械学習QSPRとマテリアルズ・インフォマティクス

深層学習を用いた構造物性相関

【解析事例】機械学習QSPRとマテリアルズ・インフォマティクス
QSPRによる物性値の推算

定量的構造物性相関（QSPR）を用いたアモルファスポリマーの物性評価【解析事例】QSPRによる物性値の推算
　

機械学習による沸点、屈折率、比誘電率の推算

機械学習による物性予測モデルの作成、転移学習およびシミュレーションとの連携事例【解析事例】機械学習による沸点、屈折率、比誘電率の推算