分子表現としての高次元フィンガープリント（Hyper-Dimensional Fingerprints）

Abstract

計算機による分子表現は、仮想スクリーニング、性質予測、材料探索の基盤となります。従来のフィンガープリントは効率的かつ決定論的ですが、特に低次元では、ハッシュベースの圧縮によって構造情報を失います。グラフニューラルネットワークから学習された表現は、この表現力を回復しますが、タスク固有の学習と多大な計算資源を必要とします。ここでは、メッセージパッシング型ニューラルネットワークによる学習変換を、高次元ベクトル上の代数演算に置き換えるハイパーディメンショナル・フィンガープリント（HDF）を導入します。これにより、学習を一切行うことなく決定論的な分子表現が得られます。多様な性質予測ベンチマークにおいて、HDFは大多数のタスクで従来のフィンガープリントを上回り、さらにデータセットやモデル間での一貫性が高いことが示されます。重要なのは、HDF埋め込みが分子の類似性を忠実に保持する点です。32次元では、HDF空間における距離がグラフ編集距離との間で0.9のピアソン相関を達成しますが、同等サイズのモルガンフィンガープリントでは0.55です。この構造的な忠実性は、ハッシュベース手法が劣化する低次元においても維持され、64成分という少数でも単純な最近傍回帰が予測可能性を保てます。さらに、ベイズ分子最適化における実用的な影響も示します。そこでは、HDFベースの代理モデルが、モルガンフィンガープリントがランダム探索と同程度に機能する領域において、サンプル効率を大幅に改善します。したがって、HDFは、従来の分子フィンガープリントに対する、汎用的で学習不要の代替手段を提供します。固定長フィンガープリントに本来として長く受け入れられてきた情報損失は、フィンガープリントという概念自体の限界というよりも、ハッシュベースの符号化方式に起因する制約であることを示唆しています。