[Published online Journal of Computer Chemistry, Japan Vol.23, 85-91, by J-STAGE]
<Title:> フラグメント分子軌道法で生成したデータを用いた機械学習モデルの開発
<Author(s):> 加藤 幸一郎, 松本 大夢, 喜多 亮介
<Corresponding author E-Mill:> kato.koichiro.957(at)m.kyushu-u.ac.jp
<Abstract:> フラグメント分子軌道(FMO)法はタンパク質全体を量子化学計算可能な稀有な手法である．そして，FMO法によって得られるデータもまた，現状ではタンパク質系の量子化学計算データとして唯一無二のものとなっている．汎用ソフトウェアでは生成が困難なタンパク質の量子化学計算データとそれを用いた様々な機械学習モデルの開発は，近年活性化が著しいAI創薬に大きなインパクトを与えることが期待される．本稿では，筆者らのグループで進めているFMOデータを用いた機械学習モデル(原子電荷予測モデル，相互作用予測モデル，機械学習力場)の開発状況を概説する．
<Keywords:> Keyword Fragment Molecular Orbital Method, Machine Learning Force Field, Inter Fragment Interaction Energy, Atomic Charge, Neural Network
<URL:> https://www.jstage.jst.go.jp/article/jccj/23/4/23_2024-0015/_article/-char/ja/
<Title:> フラグメント分子軌道法で生成したデータを用いた機械学習モデルの開発
<Author(s):> 加藤 幸一郎, 松本 大夢, 喜多 亮介
<Corresponding author E-Mill:> kato.koichiro.957(at)m.kyushu-u.ac.jp
<Abstract:> フラグメント分子軌道(FMO)法はタンパク質全体を量子化学計算可能な稀有な手法である．そして，FMO法によって得られるデータもまた，現状ではタンパク質系の量子化学計算データとして唯一無二のものとなっている．汎用ソフトウェアでは生成が困難なタンパク質の量子化学計算データとそれを用いた様々な機械学習モデルの開発は，近年活性化が著しいAI創薬に大きなインパクトを与えることが期待される．本稿では，筆者らのグループで進めているFMOデータを用いた機械学習モデル(原子電荷予測モデル，相互作用予測モデル，機械学習力場)の開発状況を概説する．
<Keywords:> Keyword Fragment Molecular Orbital Method, Machine Learning Force Field, Inter Fragment Interaction Energy, Atomic Charge, Neural Network
<URL:> https://www.jstage.jst.go.jp/article/jccj/23/4/23_2024-0015/_article/-char/ja/
