Российские ученые-химики разработали нейросеть, обладающую профессиональной интуицией

Специалисты из Института органической химии имени Н.Д. Зелинского Российской академии наук (ИОХ РАН) научили нейросеть имитировать мышление химиков и применять интуитивный подход при создании новых материалов и соединений. Впервые был создан алгоритм, который не просто анализирует структуры, а копирует сам процесс мышления ученых.

Искусственный интеллект (ИИ) способен выполнять множество задач — он легко анализирует огромные массивы данных, помогает в поиске лекарств, анализирует экономические тренды, предсказывает химические реакции, оптимизирует технологические процессы. Однако у него есть одно слабое место: ему тяжело повторить то, что человек делает на интуитивном уровне.

Человеческая интуиция — это результат опыта, знаний и сложных ассоциативных процессов, которые не так просто перенести в алгоритмы. Интуиция человека формируется годами: ученый видит сотни и тысячи молекул, анализирует их структуру и со временем вырабатывает способность мгновенно оценивать сложность новой молекулы. Такие решения нельзя выразить четкими математическими формулами, ведь они основаны на многолетнем опыте и глубоком понимании химии.

Ученые ИОХ РАН применили подход Learning to Rank (LTR), чтобы научить ИИ оценивать молекулярную сложность так же, как это делают эксперты. Этот метод машинного обучения используется в системах ранжирования, таких как поисковые системы или рекомендательные алгоритмы. В данном случае он был адаптирован для химии. Вместо того чтобы просто классифицировать молекулы по заранее заданным параметрам, LTR позволяет ИИ учиться на решениях специалистов и понимать, какие характеристики действительно важны.

Для обучения ИИ исследователи собрали объемный набор данных: около 300 000 молекул были оценены 50 профессиональными химиками. Ученые сравнивали молекулы между собой, определяя, какая из них сложнее. Эти оценки использовались для тренировки модели, которая постепенно училась принимать такие же решения, как и человек. В ходе работы было собрано почти 200 000 сравнений, что позволило создать точную систему ранжирования молекулярной сложности. В результате была разработана нейросеть, способная оценивать молекулярную сложность так же, как это делают химики, и создан уникальный датасет, включающий сотни тысяч молекул с экспертными оценками.

Ранее ИИ применялся в химии в основном для конкретных определенных задач, например, прогнозирования реакций, поиска катализаторов, материалов, лекарств или анализа данных. Впервые ИИ воспроизвел интуицию ученых, а не просто работал с четко определенными параметрами. Это значит, что химики получают мощный инструмент, который может помочь в открытии новых веществ, оптимизации синтеза и создании новых материалов с контролируемым уровнем молекулярной сложности.

Важное достижение работы — превращение молекулярной сложности из субъективного понятия в точную, измеримую характеристику, доступную для анализа и автоматизированных решений. По мнению авторов, этот подход может быть использован в широком спектре научных задач — от фармацевтики до материаловедения.