機械学習QSPR

J-OCTAのMI-Suiteには、分子構造と物性値の関係を機械学習により予測する「構造物性相関（QSPR）」機能が搭載されています。SMILES記法で記述された分子構造から記述子を抽出し、グラフ畳み込みニューラルネットワーク（GCN）などの手法を用いて、密度、ガラス転移温度、誘電率などの物性値を予測します。これらはすべてPythonスクリプトで操作でき、モデリングからデータ生成、学習、予測まで一貫して実行できます。また、学習済みモデルに加え、ユーザーが自身の物性データを用いて独自のQSPRモデルを構築することも可能です。これにより、目的に応じた柔軟な物性予測が可能となり、材料開発の効率化に貢献します。