機械学習モデルの効率化
Trainer Engineは、学習～モデルの共有のライフサイクルをシンプル化することで、生物活性や物理化学的特性の予測を、組織規模で効率的に機械学習の取り組みのルーチン化を可能にします。
新機能と改善点 Ver.3.1
-
自動モデル構築画面にハイパーパラメーターの最適化度を調整する為のスライダーが追加されました。こちらから実行時間と構築モデル数を制御できるようになります。
-
オープンソースのDeepChemを用いてモデル構築できるようになりました。Random Forest、Gradient Tree Boost、Graph Convolutional Networkアルゴリズムが利用可能
高精度の予測モデルを構築・展開
分子の生物学的活性や物理化学的特性は、その分子の化学構造式に暗号化化されてるようなものです。分子の計測データを収集・管理・機械学習することによって、隠された化学構造と活性値などと関係性を見出すことできます。
機能のカバレッジ |
聡明 構造式の標準化と高品質でカスタマイズ可能な記述子を利用 |
|
利便性 モデル最適化のための豊富なフィードバックと可視化 |
再現性 セントラルモデルリポジトリで採用モデルの選定を支援 |
統合 内蔵のグラフィカルインターフェース、Design Hub、その他のデザインプラットフォームから予測機能にアクセス可能 |
予測 生物活性、ADMET、物理化学的性質の予測が可能 |
各種機械学習アルゴリズムに対応
Trainer Engineは化学データを自動的に正規化して高性能な記述子を生成できます。ランダムフォレスト、勾配ブースティング、サポートベクターマシン、ロジスティック回帰を含めた広範な機械学習アルゴリズムを提供します。モデルの性能は自動的に評価され、最も重要な統計パラメータは回帰と分類の両方のケースで計算されます。ランダムフォレストの場合、特徴選択は特徴の重要性に基づくシームレスな再トレーニングによってサポートされます。校正された誤差は、コンフォーマル予測フレームワークを使用して計算されます。学習セットから最も類似した構造とそれに対応するアクティビティデータを返すことで、適用領域評価を可能にしています。
可視化
生成されたモデルのコレクションは、予測能力を評価し、その挙動に関する洞察を提供するために、セントラルサービスからアクセス可能です。Trainer Engineはモデルをリポジトリに保存することで、再現性を確保し、便利にパラメータを比較することができます。設定可能な分析ビューには、最適化されたテーブル、チャート、分子可視化機能を備えた分類および回帰レイアウトのプリセットが用意されています。
使用方法
-
シングル/バッチモード
Trainer EngineはSDFファイルアップロードによるシングルまたはバッチモードにて新規予測のためのサービスを提供します。
-
REST API
プログラムによるアクセスでは、機械学習ワークフローの自動化とDesign Hubなどの設計ツールや他のアプリケーションへの予測の統合のため、REST APIインターフェースの利用を推奨します。
-
モデル構築のための最適化
Trainer Engineグラフィカルユーザーインターフェースは、モデルの構築・検証・比較のための豊富なツール群を提供します。これは計算化学者に愛用されています。
-
シンプルな予測インターフェース
エンドユーザー向けに最適化された軽量な予測アプリケーション「Playground」が付属しています。
資料ダウンロード
資料にてより詳細をご覧いただけます。
下記「DOWNLOAD」ボタンをクリックしてiPROSからダウンロードをお願いいたします。
Trainer Engine
