Une recherche communautaire de l'espace des stratégies d'apprentissage automatique pour trouver des modèles de prédiction des propriétés RMN

L'essor de l'apprentissage automatique (AA) a engendré une explosion des stratégies potentielles pour utiliser les données afin de faire des prédictions scientifiques. Pour les scientifiques physiciens souhaitant appliquer des stratégies d'AA à un domaine particulier, il peut être difficile d'évaluer à l'avance quelle stratégie adopter parmi un vaste éventail de possibilités. Nous présentons ici les résultats d'un effort communautaire en ligne visant à explorer l'espace des stratégies d'AA et à développer des algorithmes pour prédire les propriétés nucléaires magnétiques résonantes (NMR) en paires atomiques dans les molécules. En utilisant un ensemble de données open source, nous avons collaboré avec Kaggle pour concevoir et héberger une compétition de trois mois qui a reçu 47 800 prédictions de modèles d'AA provenant de 2 700 équipes dans 84 pays. En moins de trois semaines, la communauté Kaggle a produit des modèles dont la précision était comparable à celle de nos meilleurs efforts précédemment publiés « en interne ». Un modèle méta-ensemble construit comme une combinaison linéaire des meilleures prédictions présente une précision supérieure à celle de tout modèle individuel, soit 7 à 19 fois meilleure que notre état de l'art précédent. Ces résultats soulignent le potentiel des architectures de transformateurs pour prédire les propriétés moléculaires mécaniques quantiques (QM).