«Реальный инструмент»: российские химики научили ИИ распознавать структуру новых молекул

Российские химики создали нейросеть, способную «видеть» структуру молекул. Разработка Института органической химии им. Н.Д. Зелинского РАН обещает кардинально изменить подход к анализу веществ, сделав его значительно быстрее и дешевле. Вместо дорогостоящей спектрометрии ученые предлагают использовать обычные изображения с микроскопа, обработанные искусственным интеллектом.

Как машинное обучение заглядывает вглубь кристалла

Исследователи из ИОХ РАН обучили нейросеть на примере четвертичных фосфониевых солей — класса соединений, широко востребованных в медицине, целлюлозно-бумажной промышленности и нефтедобыче. Алгоритм анализирует снимки с электронного или оптического микроскопа и на основе визуальных данных определяет количество атомов углерода в молекулярной цепи. В ходе экспериментов ИИ не просто справился с задачей, но и продемонстрировал способность фиксировать минимальные структурные различия, которые ускользают от традиционных оптических методов.

Смена парадигмы: от спектрометрии к фотографии

Традиционный путь идентификации нового соединения требует применения масс-спектрометров, установок для рентгеновской дифракции или спектроскопии ядерного магнитного резонанса. Все это — дорогое оборудование, требующее высокой квалификации персонала. Новая методика позволяет на начальном этапе отсеивать «пустые» образцы или быстро подтверждать синтез нужного вещества, не прибегая к сложным и затратным процедурам. Как отмечают в пресс-службе института, это не просто лабораторный эксперимент, а «реальный инструмент, способный изменить многие отрасли». В ближайших планах команды — адаптация алгоритма для работы с другими классами химических соединений и дальнейшее повышение точности распознавания. Первые шаги в этом направлении были сделаны еще несколько лет назад, когда ученые начали экспериментировать с применением нейросетей для обработки данных микроскопии. Нынешний прорыв заключается в том, что алгоритм научился не просто классифицировать изображения, а извлекать из них количественную информацию о структуре, что открывает дорогу к полностью автоматизированному анализу. Внедрение подобных систем способно существенно ускорить процесс разработки новых лекарств и материалов. Снижение стоимости рутинных анализов позволит лабораториям, в том числе региональным и университетским, проводить больше исследований при ограниченном бюджете. В перспективе это может привести к демократизации доступа к высокоточным методам анализа, которые сегодня доступны только крупным научным центрам.