Российские исследователи определили направления, в которых искусственный интеллект уже приносит заметную пользу химикам, и обозначили следующий этап развития таких систем. По их выводам, дальнейшее повышение качества прогнозов связано с объединением больших языковых моделей со специализированными нейросетями, учитывающими физические и химические закономерности. Об итогах работы пресс-службы «Сколтеха» сообщает ТАСС.
Обзор подготовили специалисты Института органической химии РАН, Центра искусственного интеллекта «Сколтеха», Университета ИТМО и других российских научных организаций. Они рассмотрели различные этапы химических исследований, на которых методы машинного обучения дают измеримые результаты. Отдельное внимание ученые уделили тому, насколько надежны предсказания нейросетей за пределами привычных условий.
Авторы выделили три области, в которых применение ИИ уже улучшило исследовательскую работу. Это анализ данных спектроскопии, масс-спектрометрии и микроскопии, выбор перспективных соединений и реакций среди большого числа вариантов, а также автоматизация многоэтапных экспериментов. В последнем случае важна и связь предварительных прогнозов с фактическими результатами опытов.
Руководитель группы ИОХ РАН Михаил Медведев объяснил, что интеллектуальный помощник химика должен не только получать результаты физически информированной модели, но и определять степень их обоснованности. Ему необходимо замечать ситуации, когда прогноз выходит за пределы обучающих данных, и выбирать эксперимент, позволяющий сократить неопределенность. Именно такое взаимодействие языковых и специализированных моделей исследователи считают перспективным.
Старший научный сотрудник Центра ИИ «Сколтеха» Александр Рябов подчеркнул, что высокой точности на тестовых наборах недостаточно для оценки пользы технологии. Для химика также существенно, помогает ли система объяснять измерения, планировать эксперименты и сохранять надежность при изучении новых веществ и реакций. В дальнейшем ученые предлагают проверять основанные на химических знаниях модели и экспериментальные платформы на полном цикле работы — от формулирования задачи до воспроизводимого результата.