分子および材料の特性予測におけるエッジ更新を伴うニューラルメッセージ伝播

分子グラフ上のニューラルメッセージ伝播は、分子や材料の生成エネルギーその他の特性を予測する最も有望な手法の一つです。本研究では、受信原子の隠れ状態に依存した情報を交換できるように、エッジ更新ネットワークを導入してニューラルメッセージ伝播モデルを拡張しました。提案されたモデルを3つの公開データセット（QM9、The Materials Project、OQMD）で評価し、既存の最良の結果と比較して、すべてのデータセットにおいて生成エネルギーその他の特性の予測性能が優れていることを示しました。さらに、結晶構造を表現するために使用されるグラフの構築方法について異なる手法を調査し、K-最近傍法に基づくグラフを使用すると最大距離カットオフやボロノイ分割グラフよりも高い予測精度が得られることを見出しました。