Нейросеть-химик: как ИИ обретает интуицию ученого

Искусственный интеллект давно используется в химии для прогнозирования реакций или поиска молекул, но его слабым местом оставалась неспособность воспроизвести человеческую интуицию. Ученый, годами изучая структуры молекул, вырабатывает «чутьё» — способность мгновенно оценить сложность соединения, опираясь на опыт и ассоциативное мышление. Такой навык невозможно описать формулой, но российским исследователям удалось «научить» ИИ этому.

Ключом стал метод машинного обучения Learning to Rank (LTR), который обычно применяется в поисковых системах. Учёные адаптировали его для химии: вместо ранжирования сайтов нейросеть училась оценивать молекулярную сложность. Для обучения использовали 300 000 молекул, которые сравнили 50 профессиональных химиков. Они провели сотни оценок, определяя, какая структура сложнее. Эти данные стали основой для тренировки модели.

Раньше ИИ в химии работал с чёткими параметрами — например, предсказывал температуру плавления, подбирал совместимые материалы, прогнозировал реакции веществ. Новая разработка умеет понимать, что такое “сложность” на уровне эксперта. Алгоритм научился учитывать не только количество атомов или связей, но и всё то, на что опирается химик при интуитивной оценке.

Это превратило субъективное понятие «молекулярная сложность» в измеримый параметр. Теперь ИИ может предлагать учёным оптимальные пути синтеза, предсказывать стабильность соединений или создавать материалы с заданными свойствами. Например, в фармацевтике это ускорит поиск молекул-кандидатов для лекарств, а в материаловедении — разработку полимеров с уникальными параметрами.

Работа  создала уникальный датасет с экспертными оценками, который станет основой для будущих исследований. Учёные уверены: подход Learning to Rank можно адаптировать и для других наук — от биологии до физики, где интуиция играет ключевую роль.