AI×化学　新モデルが分子のヘッセ行列を直接予測、高コストな微分を省き10〜70倍高速化

トロント大学のチームは『Nature Computational Science』に新手法「HIP」を発表した。分子の完全なヘッセ行列を直接予測し、高コストな微分の工程を省く。 直接予測：1回の順伝播で完全なヘッセ行列（3N×3N、2階微分）を出力し、自動微分、有限差分、結合摂動法による求解のいずれも必要としない。 高速で省メモリ：小分子では微分ベースの機械学習手法より10〜70倍高速で、ピークメモリは2〜3分の1に減り、予測誤差もおよそ半分になる。 物理を構造に組み込む：等変グラフニューラルネットワークEquiformerV2をベースとし、回転対称性と行列の対称性は学習データから無理に学ばせるのではなく、構造そのものによって保証される。 ヘッセ行列は分子振動や反応経路の計算に欠かせない。計算が速くなるほど、医薬品や材料のスクリーニングも速く進められる。 > 原文リンク：[原文を見る](https://bioengineer.org/ai-model-predicts-molecular-curvature-directly-skipping-costly-derivatives/)。本文は要約であり、参考情報にとどまる。