論文の概要: Relevance of Rotationally Equivariant Convolutions for Predicting Molecular Properties

• arxiv url: http://arxiv.org/abs/2008.08461v4
• Date: Tue, 24 Nov 2020 09:27:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 09:07:47.561405
• Title: Relevance of Rotationally Equivariant Convolutions for Predicting Molecular Properties
• Title（参考訳）: 回転同変コンボリューションの分子特性予測への応用
• Authors: Benjamin Kurt Miller, Mario Geiger, Tess E. Smidt, Frank No\'e
• Abstract要約: 等価ニューラルネットワーク(ENN)は、$mathbbR3$に埋め込まれたグラフニューラルネットワークであり、分子特性の予測に適している。 本報告では, 分子特性予測のための角依存性を含めることの実用的価値を, texttte3nn と QM9 データセットを用いたアブレーション研究により検討する。
• 参考スコア（独自算出の注目度）: 2.4342039412988097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Equivariant neural networks (ENNs) are graph neural networks embedded in $\mathbb{R}^3$ and are well suited for predicting molecular properties. The ENN library e3nn has customizable convolutions, which can be designed to depend only on distances between points, or also on angular features, making them rotationally invariant, or equivariant, respectively. This paper studies the practical value of including angular dependencies for molecular property prediction directly via an ablation study with \texttt{e3nn} and the QM9 data set. We find that, for fixed network depth and parameter count, adding angular features decreased test error by an average of 23%. Meanwhile, increasing network depth decreased test error by only 4% on average, implying that rotationally equivariant layers are comparatively parameter efficient. We present an explanation of the accuracy improvement on the dipole moment, the target which benefited most from the introduction of angular features.
• Abstract（参考訳）: 等価ニューラルネットワーク(ENN)は、$\mathbb{R}^3$に埋め込まれたグラフニューラルネットワークであり、分子特性の予測に適している。 ENNライブラリ e3nn はカスタマイズ可能な畳み込みを持ち、点間の距離や角の特徴に依存するように設計され、それぞれ回転不変または等変となる。 本稿では, 分子特性予測のための角依存性を含めることの実用的価値を, texttt{e3nn} と QM9 データセットを用いたアブレーション研究により直接検討する。 固定されたネットワーク深さとパラメータ数に対して,角的特徴を付加すると平均23%の誤差が減少した。 一方,ネットワーク深度の増大により試験誤差は平均でわずか4%減少し,回転同変層が比較的パラメータ効率が高かった。 本稿では,角的特徴の導入により最も恩恵を受けた双極子モーメントの精度向上について説明する。

関連論文リスト

• Molecule Graph Networks with Many-body Equivariant Interactions [16.864186683465846]
  等変ベクトル表現は、幾何データ対称性をキャプチャすることで、表現性を高める。 反対の2体結合ベクトルは、メッセージパッシング中に互いにキャンセルされ、方向情報が失われる可能性がある。 指向性情報を保存するために,同変多体インタラクションを明示的に統合するENINetを開発した。
  論文  参考訳（メタデータ） (2024-06-19T06:53:09Z)
• Non Commutative Convolutional Signal Models in Neural Networks: Stability to Small Deformations [111.27636893711055]
  非可換畳み込みフィルタのフィルタ特性と安定性について検討する。 この結果は,グループニューラルネットワーク,マルチグラフニューラルネットワーク,四元系ニューラルネットワークに直接影響する。
  論文  参考訳（メタデータ） (2023-10-05T20:27:22Z)
• Rotation-Invariant Random Features Provide a Strong Baseline for Machine Learning on 3D Point Clouds [10.166033101890227]
  三次元点雲データの回転不変関数を簡易かつ汎用的に学習する手法を提案する。 我々は,本手法が汎用回転不変ニューラルネットワークの性能に適合し,性能に優れることを示す。
  論文  参考訳（メタデータ） (2023-07-27T20:18:11Z)
• Higher Order Gauge Equivariant CNNs on Riemannian Manifolds and Applications [7.322121417864824]
  我々はゲージ同変畳み込み(GEVNet)と呼ばれるゲージ同変畳み込みの高次一般化を導入する。 これにより、空間的に拡張された非線形相互作用を、大域的等距離と等値性を維持しながら、与えられた場内でモデル化することができる。 神経画像データ実験では、結果として生じる2部構造を用いて、拡散磁気共鳴画像(dMRI)からLewy Body Disease(DLB)、Alzheimer's Disease(AD)、Parkinson's Disease(PD)を自動判別する。
  論文  参考訳（メタデータ） (2023-05-26T06:02:31Z)
• Deep Neural Networks with Efficient Guaranteed Invariances [77.99182201815763]
  我々は、性能改善の問題、特にディープニューラルネットワークのサンプル複雑性に対処する。 群同変畳み込みは同変表現を得るための一般的なアプローチである。 本稿では,各ストリームが異なる変換に不変なマルチストリームアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-03-02T20:44:45Z)
• SPE-Net: Boosting Point Cloud Analysis via Rotation Robustness Enhancement [118.20816888815658]
  SPE-Netという名前の3Dポイントクラウドアプリケーションに適した新しいディープアーキテクチャを提案する。 埋め込みSelective Position variant' の手順は、入力の根底にある回転条件に効果的に対応できる注意機構に依存している。 SPE-Netと関連する仮説の利点を4つのベンチマークで示し、SOTA法よりも回転試験データと回転試験データの両方に明らかな改善点を示した。
  論文  参考訳（メタデータ） (2022-11-15T15:59:09Z)
• Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
  ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。 提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。 我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
  論文  参考訳（メタデータ） (2022-09-26T17:59:58Z)
• Nonlinearities in Steerable SO(2)-Equivariant CNNs [7.552100672006172]
  我々は,SO(2)の表現に対する非線形性の影響を照らし出すために調和歪み解析を適用した。 我々は、非線形変換されたアクティベーションの表現を計算するための新しいFFTベースのアルゴリズムを開発した。 2Dおよび3Dデータを用いた実験では、連続対称性と正確な同値性において、精度の点で最先端と良好に比較できる結果が得られる。
  論文  参考訳（メタデータ） (2021-09-14T17:53:45Z)
• PRIN/SPRIN: On Extracting Point-wise Rotation Invariant Features [91.2054994193218]
  点群解析における回転不変特徴抽出に着目した点集合学習フレームワークPRINを提案する。 さらに、PRINをスパースポイントクラウド上で直接動作するSPRINと呼ばれるスパースバージョンに拡張します。 その結果、ランダムに回転した点群を持つデータセットでは、SPRINはデータ拡張なしで最先端の方法よりも優れたパフォーマンスを発揮します。
  論文  参考訳（メタデータ） (2021-02-24T06:44:09Z)
• Bayesian Graph Neural Networks for Molecular Property Prediction [15.160090982544867]
  本研究では、QM9回帰データセットを用いて、有向MPNNに適用されたベイズ的手法のセットをベンチマークする。 読み出しパラメータとメッセージパッシングパラメータの両方で不確実性を捕捉すると、下流分子探索タスクにおける予測精度、キャリブレーション、性能が向上することがわかった。
  論文  参考訳（メタデータ） (2020-11-25T22:32:54Z)
• Learning Invariances in Neural Networks [51.20867785006147]
  ネットワークパラメータや拡張パラメータに関して,拡張性よりも分布をパラメータ化し,トレーニング損失を同時に最適化する方法を示す。 画像分類,回帰,セグメンテーション,分子特性予測における不均一性の正確なセットと範囲を,拡張の広い空間から復元することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:18:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。