ReadMOF：体系的MOF命名法から得る構造非依存のセマンティック埋め込みによる機械学習

概要: 金属有機フレームワーク（MOF）に対するIUPACスタイルの命名法のような体系的な化学名には、標準化されたテキスト形式の中に、豊富な構造および組成に関する情報が含まれています。ここではReadMOFを紹介します。私たちの知る限り、ReadMOFは、原子座標や結合グラフを必要とせずに、これらの名前を用いて構造—物性関係をモデル化する、命名法を使わない（nomenclature-free）最初の機械学習フレームワークです。事前学習済みの言語モデルを用いることで、ReadMOFはケンブリッジ構造データベース（CSD）にある体系的なMOF名を、従来の構造ベース記述子をよく表すベクトル埋め込みへと変換します。この埋め込みにより、物性予測、類似検索、クラスタリングなどを含む材料インフォマティクスの応用が可能となり、その性能は幾何学に依存する手法と同等です。さらに、大規模言語モデルと組み合わせることで、ReadMOFはテキスト入力のみで化学的に意味のある推論能力も確立します。私たちの結果は、現代的な自然言語処理技術によって解釈された構造化された化学言語が、従来の分子表現に対して、スケーラブルで解釈可能かつ幾何学に依存しない代替手段を提供し得ることを示しています。このアプローチは、材料科学における言語主導の発見に新たな機会を切り開きます。