理论上讲，由原子构成的分子种类的数量是无穷大的。要了解这些分子的性质，化学家往往要进行很多严格的实验，随着新分子的不断出现，这样的工作也是无穷无尽的。为了帮助化学家更快地预测出分子的性质并协助进一步的开发（比如发现新药物或新材料），计算机科学家也在尝试构建能够基于分子的基本数据预测分子性质的算法和模型。近日，谷歌等机构的研究者发表了两篇论文介绍了他们在这方面的研究进展——达到了当前最佳的预测表现。在本文中，机器之心编译介绍了其成果介绍文章和两篇论文的摘要，研究详情请参阅对应论文。

机器学习（ML）近来已经在化学领域实现了很多激动人心的应用，尤其是在化学搜索问题上——从药物发现和电池设计到寻找更好的 OLED 和催化剂。历史上，化学家曾经在这些化学搜索中使用过薛定谔方程的数值近似方法，比如密度泛函理论（DFT）。但是，这些近似方法的计算成本限制了搜索的规模。为了实现更大规模的搜索，一些研究组已经使用由 DFT 所生成的训练数据创造了可用于预测化学性质的机器学习模型（如 Rupp et al. 和 Behler and Parrinello）。在这些之前的成果的基础上，我们将多种现代机器学习方法应用到了 QM9 基准上。QM9 基准是一个公开的分子集合，其中的分子都配对了相应的 DFT 计算出的电子、热力学和振动性质。

我们最近发表了两篇介绍我们在这一领域的相关研究的论文，这些成果来自于谷歌大脑团队、Google Accelerated Science 团队、DeepMind 和巴塞尔大学之间的合作。

第一篇论文《电子和能量性质的快速机器学习模型往往能达到优于 DFT 准确度的近似误差（Fast machine learning models of electronic and energetic properties consistently reach approximation errors better than DFT accuracy）》包含了一种新的分子特征化方法，并在 QM9 基准上对多种机器学习方法进行了一次系统性评估。在这个基准上尝试了许多机器学习方法之后，我们开始努力改进最有潜力的深度神经网络。

由此我们得到了第二篇论文《用于量子化学的神经信息传递（Neural Message Passing for Quantum Chemistry）》，该论文描述了一大类被称为「信息传递神经网络（MPNN：Message Passing Neural Network）」的模型，其定义比较抽象，足以囊括许多之前的图对称性（graph symmetries）不变的神经网络模型。我们在 MPNN 类别中开发了全新的变体，其在 QM9 基准上的表现极大地超越了所有基线方法，并在其中一些目标上实现了近 4 倍的提升。

从机器学习的角度看，分子数据非常有趣的一个原因是：一个分子的自然表征就像是一个图（graph），其中原子是节点（node）、键是边（edge）。能够利用数据中固有的对称性的模型往往能更好地进行归纳——卷积神经网络在图像上的成功的部分原因是它们有能力整合我们关于图像数据的不变性（比如，将一张狗的图像转移到左边，仍然还是一张狗的图像）的先验知识。图对称性的不变性是计算图数据的机器学习模型尤其期望的性质，在这一领域也有大量有趣的研究（如 Li et al.、Duvenaud et al.、Kearnes et al.、Defferrard et al.）。但是，尽管已经取得了这些进展，但仍然还有许多工作要做。我们希望为化学（和其它）应用找到这些模型的最好版本，并描绘本文献中所提出的不同模型之间的联系。

我们的 MPNN 在 QM9 中的所有 13 种化学性质上都达到了当前最佳的预测表现。在这个特定的分子集合上，我们的模型能以对化学家足够有用的准确度预测其中的 11 种性质，而其速度可以达到使用 DFT 模拟的 300,000 倍。但是，在化学家可以实际应用 MPNN 之前，还有很多工作要做。特别地，MPNN 必须被应用到比 QM9 远远更加多样化的分子集合上（比如，atv直播，更大的或带有更多变的重原子集合）。当然，即使有更接近真实情况的训练集，也仍然难以很好地泛化到非常不同的分子上。克服这两个难题将涉及到机器学习领域的核心问题（比如泛化）上的进步。

预测分子的性质是一个尤其重要的问题，需要先进的机器学习技术，也为学习算法提出了有趣的基础研究难题。最终，分子预测将助力新药物和新材料的设计，从而造福人类。在谷歌，我们认为传播我们的研究并帮助训练新的机器学习研究者是很重要的。因此，我们很高兴我们的 MPNN 论文的第一和第二作者都是来自 Google Brain Residency Program。

以下是对上述谷歌两篇论文的摘要介绍：