「#Stakeカジノ」の人気タグ記事一覧

 ホームHome-->  研究科･薬学部 About--> 研究科長・学部長の挨拶 教育研究の目的 ポリシー 沿革 薬学部概要 公開フォルダ 評価PDFファイル 薬学部パンフレット  入試・入学 Exam--> 大学院入試情報 入試情報 入試説明会及び研究室紹介 入試日程 ２０２４年度　大学院入試結果 よくある質問 学部進学案内 オープンキャンパス 学生募集ポスター  教室紹介 Research--> 教育研究組織 薬科学 有機薬科学 物理薬科学 生物薬科学 薬学 創薬学 医療薬学 社会薬学 医療薬学教育センター ワンストップ創薬共用ファシリティセンター 創薬機構 その他  学生生活 Campus Life--> イベントカレンダー フォトアルバム 卒業生の声  問合せ/アクセスContact/Access--> 受験生の方へ 在学生の方へ 卒業生の方へ ENGLISH トピックス｜東京大学薬学部 メニュー EN ホーム トピックス トピックス 2024/02/16 分子薬物動態学教室の吉開泰裕大学院生、水野忠快助教、楠原洋之教授らの研究グループが、言語AIが多様な化合物構造を学習する過程の特徴を発見 　東京大学大学院薬学系研究科の吉開泰裕大学院生、水野忠快助教、楠原洋之教授らによる研究グループは、深層学習モデルが多様な化合物構造を学習する際に苦手とする構造を明らかにしました。　深層学習モデルは現在創薬分野でも盛んに応用されています。特に近年は、自然言語処理を援用するアプローチが頻用されていますが、どのように多様な化合物構造を学習・認識しているかは明らかとなっていませんでした。本研究グループは、代表的な言語モデルであるTransformerが多様な化合物構造を学習していく過程を、モデルが認識している部分的な構造に着目して精査しました。結果、Transformerモデルが化合物の立体的な性質の一つであるキラリティを誤って認識しやすいことなどを発見しました。　本研究成果は２月１６日付で国際科学誌Nature Communicationsに掲載されました。掲載雑誌：Nature Communications論文題目：Difficulty in chirality recognition for Transformer architectures learning chemical structures from string representations著者：Yasuhiro Yoshikai*, Tadahaya Mizuno*, †, Shumpei Nemoto, Hiroyuki KusuharaDOI番号：10.1038/s41467-024-45102-8 論文へのリンク 発表概要　東京大学大学院薬学系研究科 水野助教の研究グループは、データサイエンスにより医薬品の認識されていない作用を理解・活用する研究を進めています。機械学習をはじめとしたデータサイエンスは、薬学研究でも日常的に活用されています。2016年以降、自然言語処理の技術を援用した深層学習モデル(化学言語モデル)がよく用いられています。しかし、どのようにこれらの深層学習モデルが多様な化合物構造を学習・認識しているかについては明らかとなっていませんでした。　深層学習モデルは学習を重ねることで目的とするタスクの精度が向上していきます。そこで本研究グループは、学習進捗に応じて深層学習モデルの性質がどのように変遷するかに注目しました。代表的な言語モデルであるTransformerモデルの化合物構造の学習進捗をフォローしていったところ、学習開始早々に部分的な文字列（部分構造に相当）の学習は完了する一方、文字列全体（化合物構造全体に相当）の学習には時間がかかることを見出しました。また学習経過ごとのモデルを用い、化合物の毒性や物性を推定したところ、学習経過に依らず、学習初期段階から概ね同程度の精度を示すことを見出しました。　さらに上記検討の最中、深層学習モデルの学習が確率的に滞る現象を見出し、その原因の探索に取り組みました。化学言語モデルの入力となる化合物の文字列表現は、各文字が原子など何らかの化合物の要素と対応しています。そこでそれぞれの文字を除外した際の精度を調査することで、各文字の学習への影響力を評価しました。結果、化合物の立体的特性であるキラリティを表現する文字が見出されたことから、キラリティの認識がTransformerモデルの学習に大きく影響することが示唆されました。原子ごとの精度を評価した際にも同様にキラリティの学習が遅いことが明らかになっています。上記の結果は、同分野で頻用される文字列表現であるSMILES表現だけでなく、InChI表現でも確認されました。　本研究により、代表的な深層学習モデルであるTransformerが多様な化合物構造を学習する際の特徴の一端が明らかとなりました。大規模言語モデルが目覚ましい発展を見せ、言語AIの知能に関する研究も盛んとなっている中、「どのように言語AIが化合物構造を学習・認識しているか？」というブラックボックス解明の一助になることが期待されます。 プレスリリースはこちら  前の記事へ 次の記事へ  2024/05/22 受賞 分子薬物動態学教室の水野忠快 助教が2024年度CBI学会若手奨励賞を受賞 2024/05/17 プレスリリース 有機合成化学教室の梅田大輝 大学院生、東屋勇都 大学院生、山梨祐輝 助教、金井求教授らの研究グループが、光をあてなくても化学励起によりアミロイドを壊せる分子を開発 2024/05/09 プレスリリース 生体分析化学教室の岡部弘基 助教、大阪大学の原田慶恵 教授らの研究グループが細胞内で自発的に作られる熱が神経分化を駆動するしくみ（温度シグナリング）を解明 2024/05/09 プレスリリース 有機合成化学教室（金井 求 教授）と機能病態学教室 （富田 泰輔 教授）は共同で、アルツハイマー病関連のアミロイドを低分子で副作用を抑えて分解する触媒の開発に成功 2024/04/19 プレスリリース 基礎有機化学教室の鳥海尚之講師、内山真伸教授と東京工業大学の永島佑貴助教（本学卒業生）、田中健教授らの共同研究グループが優れた円偏光発光特性を示す3次元に共役系が広がったヘリセンの不斉合成に成功 2024/04/18 受賞 薬品代謝化学教室の浦野泰照教授が第１回神戸賞・大賞を受賞 2024/03/22 プレスリリース 生理化学教室の竹田穣大学院生、知念拓実助教、畠星治特任講師、北川大樹教授らの研究グループが中心小体の基本骨格形成メカニズムを解明 2024/03/18 プレスリリース 天然物合成化学教室の渡邉歩博士、長友優典講師、廣瀬哲博士、彦根悠人大学院生、井上将行教授が、AIDS根治を志向したチグリアンジテルペンの全合成を達成 2024/02/16 プレスリリース 分子薬物動態学教室の吉開泰裕大学院生、水野忠快助教、楠原洋之教授らの研究グループが、言語AIが多様な化合物構造を学習する過程の特徴を発見 2024/02/08 受賞 天然物化学教室の森貴裕准教授が第１６回井上リサーチアウォード （Inoue Science Research Award）を受賞 1 2 3 4 5 6 7 8 9 10 --> Facebook 国際交流 国際交流室--> 国際交流室 外国人留学生入学案内--> 外国人留学生入学案内 英語での講義・セミナー ※リンク先確認--> 若手研究者海外派遣プログラム--> 若手研究者海外派遣プログラム 国際フォトテラノスティクス共同研究教育拠点--> 薬学系研究科への基金 東京大学薬学系研究科Ban平井（大越）貞子基金　研究奨励賞 学内専用 薬学部事務部 CRAMS 安全衛生教育テキスト 薬学系研究科情報ネットワーク設備委員会からのお知らせ--> イベント登録はこちら ホーム トピックス イベント お知らせ 研究科・薬学部について 研究科長・学部長の挨拶 教育研究の目的 ポリシー 沿革 薬学部概要 公開フォルダ 評価PDFファイル 薬学共用試験の結果 入試・進学 大学院入試情報 入試情報 入試説明会及び研究室紹介 入試日程 ２０２４年度　大学院入試結果 よくある質問 学部進学案内 オープンキャンパス 学生募集ポスター 教室紹介 教育研究組織 薬科学 有機薬科学 物理薬科学 生物薬科学 薬学 創薬学 医療薬学 社会薬学 医療薬学教育センター ワンストップ創薬共用ファシリティセンター 創薬機構 その他 キャンパスライフ イベントカレンダー フォトアルバム 卒業生の声 問合せ/アクセス 受験生の方へ 在学生の方へ 卒業生の方へ リンク集 サイトマップ 震災への対応 受験生の方へ 在学生の方へ 卒業生の方へ ホーム トピックス イベント お知らせ 問合せ/アクセス リンク集 サイトマップ 震災への対応--> --> Copyright© 2018 東京大学大学院 薬学系研究科・薬学部 All Right Reserved. Produced by coanet