Методология тестирования моделей предсказания химических свойств молекулMethodology for Testing Molecular Chemical Property Prediction Models

Данная диссертация посвящена разработке методологии систематического тестирования моделей машинного обучения для предсказания химических свойств молекул. В работе исследуются графовые нейронные сети, нейросетевые потенциалы, модели электронных свойств и химические языковые модели с точки зрения их точности, обобщающей способности и устойчивости к сдвигу распределения данных. Предложен крупномасштабный квантово-химический датасет ∇²DFT и набор бенчмарков для задач предсказания энергии, атомных сил, матриц гамильтониана, электронной плотности и оптимизированной молекулярной геометрии. Разработанные разбиения данных позволяют отдельно оценивать перенос моделей на новые конформации, молекулярные структуры и скаффолды. Для задачи оптимизации геометрии предложен фреймворк GOLF, сокращающий потребность в дорогостоящих квантово-химических расчётах, а для предсказания электронной плотности разработана архитектура LAGNet, ориентированная на LCAO-данные и молекулы медицинской химии. Кроме того, предложена методология тестирования химических языковых моделей на основе аугментаций SMILES и фреймворка AMORE, позволяющая выявлять чувствительность моделей к эквивалентным представлениям одной молекулярной структуры. В целом диссертация обосновывает необходимость масштабного, воспроизводимого и ориентированного на проверку устойчивости тестирования как ключевого условия разработки надёжных моделей машинного обучения для вычислительной химии и хемоинформатики.