(1)化合物の性質を予測する → 溶解度の回帰モデルを作り、化合物のSMILE文字列から溶解度を予測するなど。 これはデータがあれば可能。
(2)指定の性質を持つ化合物を作る → 「XXXとYYYの性質を持つ化合物」を見つける、または作るということ。これが難しい。 組み合わせはほぼ無限になるから、これをスーパーコンピューターでやろうというのはわかるが、いかんせん効率が悪すぎる。
・任意の文字列のSMILE文字列を作る。化学式に複合できること。 ・その文字列が指定の性質を満たす化合物かチェック ・NGならリトライ
という感じか。 他にも色々なアプローチがあり、世界中で研究されている。 囲碁・将棋やブロック崩しで有名になった強化学習（DQN）の手法もありかと思ったが、実際にそういったアプローチも研究されているらしい。
全5回の記事で調査事項をまとめてみたが、概要は把握できた。 今後は、 ・AI創薬に関するニュースにもアンテナを立てたい ・強化学習はゲームだけでなく他にも応用は効くと思うので得意分野にしたい