[Drug Discovery] #2 가상탐색을 위한 신뢰할 수 있는 인공지능

핵심 요약

에이아이트릭스는 GNN 기반 모델과 베이지안 근사법으로 벤치마크에서 불확실성 정량화와 신뢰도 향상을 입증했습니다.

구현 방법

• Deep Ensemble, MC-Dropout, BBB, SGLD, SWA, SWAG 등으로 사후 분포를 추정
• 벤치마크(BACE, BBBP, HIV, Tox21)에서 Accuracy, AUROC, Recall, Precision, F1, ECE를 비교
• 가상탐색 라이브러리의 예측 분포를 분석하고 SWAG의 과잉확신 완화를 확인
• 활성학습 파이프라인으로 데이터 효율성 개선 접근

주요 결과

• SWA/SWAG가 정확도와 신뢰도 모두에서 우수
• MAP는 과잉확신 경향, 0.0~1.0에 치우침
• 가상탐색 비용 절감과 실험 수 감소에 기여 가능