講演情報
[8p-P11-1]グラフ畳み込みネットワークを用いた多様な有機化合物の原子電荷予測
〇(B)本間 悠吾1、本間 友1、松井 弘之1 (1.山形大ROEL)
キーワード：
機械学習、原子電荷予測、グラフ畳み込みニューラルネットワーク
近年、機械学習による高精度な原子電荷予測が進展している。しかし、その多くはコンピューター上で生成された薬剤分子中心のデータセットに依存し、有機半導体研究などで重要な共役系・芳香族系化合物への適用性は不明である。そこで本研究では、共役系・芳香族系化合物を多く含むケンブリッジ結晶構造データベース（CSD）を用い、グラフ畳み込みネットワーク（GCN）による新たな汎用性の高い原子電荷予測モデルの構築を図った。