Chirality Determinant Kernels による分子キラリティの学習

arXiv:2602.07415v1 Announce Type: new 摘要：キラリティは、化学と生物学における立体選択的な振る舞いを支配する基本的な分子特性です。機械学習モデルにキラリティを捕らえることは、立体化学的な関係の幾何学的複雑さ、および伝統的な分子表現手法が明示的な立体化学記述を欠きがちという限界のため、引き続き困難な課題となっています。既存のキラリティ分子表現のアプローチは、主に中心キラリティに焦点を当て、手作業で作成された立体化学タグまたは限定的な 3D エンコーディングに依存しており、したがって軸キラリティなどのより複雑な形にも一般化していません。本稿では、Chiral Determinant Kernels（ChiDeK）という枠組みを紹介し、立体元的情報を分子表現学習に体系的に統合する方法を提案します。我々は、SE(3)不変のキラリティ行列をエンコードする「キラリティ決定核（chiral determinant kernel）」を提案し、クロス注意（cross-attention）を用いて局所的なキラリティセンターからの立体化学情報をグローバルな分子表現に統合します。この設計により、統一的なアーキテクチャ内でキラリティに関連する特徴を明示的にモデル化することが可能となり、同時に中心キラリティと軸キラリティをエンコードする能力を持っています。軸キラリティの評価をサポートするために、電子円二色性（ECD）と光回転（OR）予測のための新しいベンチマークを構築しました。R/S 配置分類、エナンチオマーランキング、ECD スペクトル予測、および OR 予測を含む 4 つのタスクにおいて、ChiDeK は最先端の基準モデルよりも著しい改善をもたらしており、特に平均 7% 以上高い精度を軸キラリティタスクにおいて得ることで最も顕著な成果を発揮しています。

arXiv:2602.07415v1 Announce Type: new Abstract: Chirality is a fundamental molecular property that governs stereospecific behavior in chemistry and biology. Capturing chirality in machine learning models remains challenging due to the geometric complexity of stereochemical relationships and the limitations of traditional molecular representations that often lack explicit stereochemical encoding. Existing approaches to chiral molecular representation primarily focus on central chirality, relying on handcrafted stereochemical tags or limited 3D encodings, and thus fail to generalize to more complex forms such as axial chirality. In this work, we introduce ChiDeK (Chiral Determinant Kernels), a framework that systematically integrates stereogenic information into molecular representation learning. We propose the chiral determinant kernel to encode the SE(3)-invariant chirality matrix and employ cross-attention to integrate stereochemical information from local chiral centers into the global molecular representation. This design enables explicit modeling of chiral-related features within a unified architecture, capable of jointly encoding central and axial chirality. To support the evaluation of axial chirality, we construct a new benchmark for electronic circular dichroism (ECD) and optical rotation (OR) prediction. Across four tasks, including R/S configuration classification, enantiomer ranking, ECD spectrum prediction, and OR prediction, ChiDeK achieves substantial improvements over state-of-the-art baselines, most notably yielding over 7% higher accuracy on axially chiral tasks on average.