Graph Convolutional Networkやってみた
Graph Convolutional Network
XenonPyのiQSPRデモで用いた量子化学計算データを使って、学習可能かどうか試してみた。
二つの値を同時に予測するモデルを作成し、50ステップほどやってみました。エネルギーは簡単に学習されますが、バンドギャップはもう少し学習させると飽和しそうです。エネルギーが学習されてから、バンドギャップの学習性能が向上しているようにも見えますね。
見かけの予測精度は高いけれど、ノード数を増やして、解像度を上げないとiQSPRに持っていけないな。転移学習させる際にも、ノード数を増やさないとダメだろうな。
構造改変に対して、予測値がどのように変化しているかを調べる仕組みを作らないといけないな。やり方は複数種類あるだろうし、そこまで難しくないな。
気づいたこととしては、learning rateをどんどん小さくしていかないと、片方の予測精度を上げることが優先されてしまう。ゆっくり学習させる必要があります。
Graph Convolutional Networkは、こちらを参考にしました。
qiita.com