Итак, в результате данной работы удалось построить классификаторы, решающие задачу атом-атомного отображения или поиска правильного химического мапа.
Наилучший результат, как и предполагалась, был показан методом опорных векторов (порядка 91% точности правильно определенных атом- атомных отображений). В данном методе химические данные были описаны наиболее подробно, что скорее всего привело к самому лучшему результату.
В ходе экспериментов удалось получить достаточно неплохие проценты правильно решенных задач: 76% (69% для теста более высокой точности) для метода, использующего полиномиальную регрессию и 85% для метода, основанного на применении логистической регрессии. Считается, что полученный результат лучше, чем был получен в 2015 году, так как в этот раз использовались реальные данные о химических реакциях, тогда как в прошлый раз они генерировались вручную, что привело к большому количеству однотипных и одинаковых реакций. Однако, для модели полиномиальной регрессии с увеличением разнообразия различных неправильных отображений его точность падает с 88% до 69%.
Основной сложностью явилось получение данных о неправильных химических отображениях, так как они не были представлены в исходной обучающей выборке. Тем не менее, удалось получить такие данные в достаточном количестве для эксперимента. Построенные алгоритмы, классификаторы и математические модели подразумевают за собой использование теоретических аспектов машинного обучения ,что позволяет сделать вывод об их корректности и возможности применения на реальные задачи, описанные в данном исследовании.
В ходе исследования удалось переформулировать задачу от классификации атомов в некотором атом-атомном отображении к классификации правильных и неправильных отображений реакций.
Одним из важных аспектов данной работы было преобразование химических данных к виду, который используют построенные классификаторы. Были формализованы и определены различные химические характеристики, такие как различные данные о смежных атомах, взаимное расположение атомов в двумерном пространстве и другие. В конечном итоге, обучающие вектора состояли из 12 различных характеристик, формализованных и полученных в ходе выполнения работы. Важнейшим преимуществом последних алгоритмов было то, что реакции, на которые они опирались были реальные а не сгенерированные программой.
В ходе работы удалось построить алгоритм, использующий в своей основе метод опорных векторов, использующий жадное добавление ограничений для решения внутри алгоритма оптимизационной задачи. В результате тестов выяснилось, что среди построенных, это алгоритм показывает самую высокую точность правильного определения реакций на правильные и неправильные, порядка 91% правильно решенных задач.
В целом, результаты работы оцениваются как успешные. За 3 года удалось достичь понимания, как работать с химическими данными и каким образом их лучше использовать при построении классификаторов. Среди преимуществ результатов работы можно выделить следующие пункты:
• Был реализован солидный преобразователь химических данных из формата RXN в вид, который необходим для классификаторов на языке C#.
• С течением времени количество компонент в обучающих векторах выросло с 2 до 12, что значительно увеличивает описание многообразия химических реакций.
• Удалось решить проблему с различным количеством атомов химических реакций путем обобщения химических свойств, которые скорее рассматривали саму реакцию, а не каждый атом по отдельности.
• В связи с прошлым пунктом задача обобщилась с построения атом- атомного отображения до поиска и определения корректного атом- атомного отображения.
• Были реализованы сначала тривиальные классификаторы (линейная и логистическая регрессия), что позволило использовать полученные знания для построения классификатора с более сложной структурой (особый метод опорных векторов, усложненный жадной задачей оптимизации).
• Сравнение построенных алгоритмов позволит достичь понимания, в какую сторону можно двигаться дальше при решении данной задачи.
Так же в ходе работы можно выделить несомненные недостатки:
• Некоторая нестабильность первых классификаторов, которая проявляется в сильном варьировании результатов тестов (около 20% разницы). Слабые классификаторы не справлялись с увеличением количества данных и снижали свою точность, в отличие от метода, основанного на SVM.
• Обобщение химических данных об атомах приводило к потере чистых данных, не использующих искусственные математические преобразования, что приводило к снижению размерности обучающих векторов, что все равно говорит о неполном описании химических данных.
Таким образом, можно выделить следующие направления изучения данной задачи:
1) Существует ли возможность построения алгоритма, который будет использовать вектора разных размеров, в зависимости от количества
атомов, которые содержат молекулы веществ?
2) Есть ли смысл для данной задачи строить более сложные алгоритмы машинного обучения, и смогут ли они дать более высокую точность чем та, которая была получена в этой работе?
3) Попробовать в более широком смысле использовать энергетические и квантовые химические характеристики, формализовав законы сохранения энергии и другие физические и химические свойства, присущие реакциям.
Итак, данная задача в очередной раз была решена. Стоит напомнить, что это всего лишь первые шаги решения данной проблемы химии. Поставив вышеприведенные вопросы, можно придумать еще большое количество способов, эффективно решающих данную задачу.


Купить