Математика и Computer Science

Искусственный интеллект научили угадывать свойства веществ

© Jari Järvi/Aalto University

Исследователи обучили систему искусственного интеллекта определять параметры взаимодействия молекул со светом на основе их строения. Это значительно ускорит поиск подходящих для новых применений веществ.

Исследователи обучили систему искусственного интеллекта определять параметры взаимодействия молекул со светом на основе их строения. Это значительно ускорит поиск подходящих для новых применений веществ. Статья ученых опубликована в журнале Advanced Science.

Спектроскопия — это стандартный метод определения свойств молекул, применяемый как в науке, так и в промышленности. В рамках этого подхода вещество подвергают воздействию излучения и измеряют отраженный или поглощенный им свет. Задачей спектроскопии является определение состава или характеристик вещества на основе полученных данных о его спектре. Однако точные измерения могут быть очень длительными и дорогостоящими.

В новой работе ученые представили решение этой проблемы. Авторы обучили три системы искусственного интеллекта выдавать спектр веществ на основе их строения. Исследователи использовали разные технологии: многоуровневый персептрон, сверточную нейросеть и глубинную тензорную нейросеть. Точность первого подхода составила около 0,3 электронвольт, второго — 0,23, третьего — 0,19. Также обе нейросети смогли воспроизвести небольшие детали спектра, поэтому авторы считают их результаты хорошими.

«Обычно для нахождения наиболее подходящей к спектру излучения молекулы приходится комбинировать полученные знания с некоторым уровнем химической интуиции, — говорит соавтор работы Милица Тодорович из Университета Аалто (Финляндия). — Проверка их индивидуальных спектров проводится методов проб и ошибок, что может растянуться на недели или месяцы, в зависимости от количества потенциально подходящих молекул. Наш ИИ выдает все эти свойства мгновенно».

Обучение проходило в течение нескольких недель. Обучающей выборкой был набор данных о строении и спектрах 132 тысяч органических молекул. Основным преимуществом подхода является его быстрота — он выдает ответ почти мгновенно. Теперь авторы намерены расширить обучающую выборку для возможности предсказаний спектров более широкого класса соединений.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.