コミュニティ主導の機械学習戦略空間探索によるNMR特性予測モデルの発見

機械学習（ML）の台頭により、データを用いて科学的予測を行う潜在的な戦略が爆発的に増加しています。特定の分野にML戦略を適用したい物理科学者にとって、事前にどの戦略を採用すべきか評価することは困難です。本稿では、オンラインコミュニティの力を利用してML戦略の空間を探し、分子内の原子対間核磁気共鳴（NMR）特性を予測するアルゴリズムを開発した取り組みの結果を概説します。オープンソースのデータセットを使用し、Kaggleと協力して3ヶ月間のコンペティションを設計・開催しました。このコンペティションには84カ国の2,700チームから47,800件のMLモデル予測が寄せられました。わずか3週間で、Kaggleコミュニティは我々がこれまでに最も優れた「社内」努力で達成した精度と同等のモデルを生成しました。上位予測の線形結合として構築されたメタアンサンブルモデルは、個々のモデルよりも優れた予測精度を示しており、我々がこれまでに達成した最先端技術よりも7〜19倍高い精度となっています。これらの結果は、量子力学（QM）分子特性の予測におけるトランスフォーマー構造の可能性を強調しています。