QM9の分子物性予測を正しく評価する

データセットが表すものを理解する

原QM9集合はC・H・O・N・Fを含み、重原子が最大九個の小さな有機分子の量子化学的性質を報告します。特定領域の計算ラベルであり、実測の薬物活性や大きな分子での一般的性能ではありません。PyGの処理済みQM9は複数の対象、グラフ特徴、位置を含みます。実装版、入力ファイル、除外規則、処理後の分子数を記録し、原データと処理後の一覧が同一とは仮定しません。

qm9-collection · qm9-original-data · pyg-torch_geometric/datasets/qm9.py

予測対象の契約を記す

確認したPyG実装の対象インデックス0は双極子モーメントμで、単位はDebye（D）です。スカラーの大きさであり、三成分ベクトルやeVではありません。他の対象には別の単位があり、ローダーにはエネルギー換算があるため原ファイルの単位を処理済みテンソルへそのまま付けられません。名前、インデックス、定義、単位、変換を記します。双極子回帰のMAEはスケーリングを戻した後にDで報告します。標準化した訓練損失だけでは物理的な誤差を比較できません。

pyg-torch_geometric/datasets/qm9.py

入力情報をそろえる

結合グラフのモデルと与えられた3D座標を使うモデルでは、情報へのアクセスが異なります。予測時に幾何が利用可能か、どこから得るかを明記します。PyGに位置があっても、将来の化合物で実験・計算幾何を無条件に得られるわけではありません。配座生成・選択も手順に記録します。2D基準モデルと3D結果を同じ情報を与えた比較として扱いません。

pyg-torch_geometric/datasets/qm9.py

分割してから前処理を当てはめる

汎化の問いに応じてランダム分割や化学系列を分離した評価を選びます。どちらも普遍的に正しいわけではありません。分割前に重複を処理し、訓練・検証・テストIDを固定します。学習型正規化は訓練のみ、調整は検証、選択後にテストを評価します。分割ファイル、シード、基準モデル、調整予算、除外、実測した場合の反復間変動を報告します。本ガイドにスコアはなく、教育用Recipeもベンチマーク性能の証拠ではありません。

pyg-torch_geometric/datasets/qm9.py

データと権利を追跡する

公式Figshare APIは「Data for 133885 GDB-9 molecules」の項目1057646、版2をCC0と表示します。別途確認したREADME項目はデータ項目の代わりにはなりません。PyGコードには別のソフトウェアライセンスがあり、第三者ミラーは換算・除外・ラベルを追加する場合があります。原項目・DOI、版、ファイルのハッシュ、処理コード、権利の証拠を保存します。ミラーのCC BYを原データへ移したり、ソフトウェアライセンスをデータの権利とみなしません。結論は化学領域と計算ラベルに制約されます。

qm9-original-data · qm9-data · pyg-LICENSE