AIと機械学習

AlphaFoldに代表されるAI・機械学習の⼿法は⾼い予測性能を持つことが明らかになってきました。 しかし、 機械学習の予測性能は、 訓練に⽤いるデータの質と量に⼤きく依存します。 機械学習とマルチスケール分⼦動⼒学 (MD) を組み合わせたり、 実験とシミュレーションデータを同化させる技術（データ同化）を⽤いたりすることで、 分⼦ダイナミクスに関するさらに⾼精度の予測 を実現することができます。

今後は、 機械学習を⽤いたアルゴリズム（CGBack や ML/MM）を⽤いることでマルチスケール MD を⾰新します。 また、 MD シミュレーションの結果をデータベースに保存し、 そのデータを機械学習で⽤いるなど新たな研究を開始します。

これまでに行なってきた手法開発

• 一分子計測のデータ同化
• UMAPによる次元削減
• ML/MM モデル
• 拡散モデルを用いた Backmapping 法