논문은 분자 특성 예측을 위한 새로운 방법인 Evidential Meta-model for Molecular Property Prediction (EM3P2)을 제안한다. 이 방법은 예측과 함께 불확실성 추정을 제공할 수 있는 능력을 가지고 있다. EM3P2는 Model Agnostic Meta-Learning (MAML) 프레임워크 아래의 few-shot 메타 학습 접근법을 사용하며, query balancing과 같은 데이터 불균형 처리 기법을 결합한다.
EM3P2의 주요 구성 요소는 다음과 같다:
EM3P2는 Tox21, SIDER, MUV와 같은 데이터셋에서 분자 특성 예측을 위한 기존의 메타 학습 및 메트릭 학습 기준선보다 더 나은 성능을 보인다. 불확실성 추정을 사용하여 신뢰도가 낮은 예측을 거부함으로써 전반적인 정확도를 향상시킬 수 있다는 것을 보여준다. 결과적으로, 논문은 EM3P2가 적은 수의 불균형 데이터에서 학습할 수 있고, 새로운 작업에 잘 적응하며, 신뢰할 수 있는 불확실성 측정을 제공할 수 있어, 약물 발견을 가속화하고 안전에 중요한 응용 프로그램에서 신뢰성을 향상시키는 데 유용한 능력을 갖추고 있다고 강조한다.
Reference
Evidential meta-model for molecular property prediction(Paper,Code)