化学における多くの重要な課題は、反応中の分子の挙動にかかわっている。このような課題には、平衡状態から大きく離れた状態における予測が求められるが、近年の分子に関する機械学習研究の多くは、平衡状態または平衡に近い状態に焦点を当てている。本論文では、この範囲を以下の3つの観点から拡張することを目的とする。第一に、平衡分子に対するQM9ベンチマークにおいて、元のDimeNetよりも8倍高速かつ10%高い精度を達成するDimeNet++モデルを提案する。第二に、衝突過程における小分子の歪んだ構造を含む挑戦的なCOLLデータセットを構築することで、DimeNet++の高反応性分子に対する有効性を検証する。第三に、非平衡構造の広大な探索を加速する目的で、アンサンブル学習および平均・分散推定を用いた不確実性評価の手法を検討する。本研究で開発したDimeNet++の実装およびCOLLデータセットは、オンラインで公開されている。