AutoML добрался до предсказания свойств химических соединений.

Наткнулся на проект, автоматизирующий машинное обучение в хемоинформатике. Использует Message Passing Neural Networks (графовые нейросети с передачей сообщений). Доступен по ссылке: https://github.com/swansonk14/chemprop. Под капотом – pyTorch.Установить можно через conda/docker/pip. Пользоваться можно как через командную строку, так и через веб-интерфейс.Для использования нужно сделать .csv-файл со строкой заголовков, который обязательно должен содержать в себе структуру соединения в виде SMILES и целевые значения. Проект умеет в регрессию и классификацию. Метрики по умолчанию – RMSE и AUC, соответственно. Можно изменить под свои. Есть три варианта разделения на трейн/валидацию/тест. Также коробки есть кросс-валидация. А ещё модели можно обучать сразу ансамблями по n штук. Ещё есть Байесовская оптимизация гиперпараметров нейросетей через hyperopt.

Утверждают, что хорошо работает просто на структурах, но дополнительные фичи ещё докидывают качества. Опять-таки из коробки можно нагенерить для каждого соединения 2000 дескрипторов из RDKit. А можно написать собственные генераторы дескрипторов, или вообще подгрузить уже готовые прямо из командной строки.

Источник: github.com

Комментарии: