創薬においては、新薬開発にかかる多大なコストと時間が問題となっており、これらを削減するための計算機的手法が盛んに研究されている。創薬のプロセスのひとつである分子最適化では、出発となる分子を改良することでより望ましい特性を持つ分子を得るといったことが行われる。
近年では、VAE や GAN などの深層学習によるグラフ生成手法が開発され、分子グラフの生成にも応用されている。また、分子グラフ表現学習の分野ではTransformerを用いたモデルが開発され、分子の特性予測などのタスクに応用されている。
本研究では、Transformerを用いたグラフ翻訳モデルによる分子最適化手法を提案する。