От биомедицины до энергетики: нейросетевой метод позволит моделировать светочувствительные реакции с рекордной точностью и скоростью

Ученые разработали метод машинного обучения, который позволяет моделировать сложнейшие фотохимические реакции — процессы, лежащие в основе зрения живых организмов и фотосинтеза у растений. Новый алгоритм работает в тысячи раз быстрее аналогов и превосходит их по точности, благодаря чему упростит проектирование новых светочувствительных материалов для биомедицины и энергетики, а также исследование механизмов зрения и фотосинтеза. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в Journal of Chemical Physics.

В природе существует большое количество чувствительных к свету белков — они отвечают за зрение у человека и животных или фотосинтез в клетках растений. Эти молекулы взаимодействуют со светом благодаря специальным группам атомов — хромофорам. Они улавливают световое излучение и возбуждаются, в результате чего вся структура молекулы определенным образом перестраивается. Это свойство можно использовать при проектировании новых светочувствительных материалов, например, для биомедицины, оптоэлектроники и солнечной энергетики. Однако предсказать, как именно отреагирует молекула на свет, очень сложно: моделирование таких процессов требует высокоточных методов квантовой химии, огромных вычислительных мощностей и занимает многие часы, дни и даже месяцы. Поэтому ученым долгое время не удавалось подробно исследовать динамику фотохимических реакций.

Ранее ученые из Московского государственного университета имени М.В. Ломоносова (Москва) построили искусственную нейронную сеть, которая в тысячи раз ускоряет сложнейшие квантовохимические расчеты, позволяя моделировать поведение молекул под действием света с высокой точностью.

Химики обучили алгоритм на данных, полученных с помощью высокоточных методов квантовой химии. Моделирование с использованием только квантово-химических расчетов заняло бы месяцы даже на мощном суперкомпьютере. Хорошо обученная нейросеть справляется с той же задачей за часы, не уступая в точности.

В качестве объекта для испытаний нового инструмента авторы выбрали катион метаниминия. Это соединение примечательно тем, что по структуре повторяет ключевой фрагмент хромофора зрительного белка, отвечающего за наше зрение. Кроме того, оно является важнейшим компонентом атмосферы Титана — крупнейшего спутника Сатурна.

Нейросеть позволила в деталях проследить за динамикой этой молекулы при взаимодействии со светом. Ученые не только подтвердили существование известных путей распада, но и обнаружили совершенно новый «путь» реакции. Этот процесс приводит к отщеплению водорода и образованию протонированной синильной кислоты — самой распространенной заряженной молекулы в верхних слоях атмосферы Титана. Благодаря колоссальному ускорению расчетов исследователи смогли промоделировать десятки тысяч траекторий и впервые показали, как с помощью избирательного возбуждения определенных колебаний в молекуле можно целенаправленно направить реакцию по новому пути, контролируя ее исход.

В новой работе авторы усовершенствовали алгоритм обучения нейросети, применив стратегию трансферного обучения. Нейросеть, изначально обученная на данных менее точного метода, была дообучена на небольшой выборке сверхточных квантовохимических расчетов.

Используя улучшенную нейросеть, исследователи снова смоделировали поведение катиона метаниминия под действием света. Оказалось, что после возбуждения молекула за квадриллионные доли секунды меняет два разных по энергии и структуре состояния и только после этого распадается. Нейросеть позволила впервые полностью картировать все возможные пути этого распада: оказалось, что он может идти сразу по семи конкурирующим каналам, включая разрыв связи между углеродом и азотом, отщепление одного или двух атомов водорода, а также другие процессы.

Чтобы разобраться в этих сложных процессах, авторы разработали новую математическую модель, которая напрямую извлекает времена жизни отдельных состояний молекулы и каналов ее распада из динамики целого процесса.

Таким образом, разработка позволяет без дорогостоящих и трудоемких инструментов за считанные секунды предсказывать, какие продукты образуются в сверхбыстрых фотохимических превращениях. Эти данные важны при создании фоточувствительных материалов, например, для солнечных батарей и катализаторов. Кроме того, знание о том, по каким «путям» молекула распадается, позволит целенаправленно изменять ее структуру так, чтобы подавить нежелательные реакции и усилить полезные.

«Мы разработали вычислительный инструмент нового поколения, способный кратно ускорить и удешевить разработку биомедицинских технологий: новых светящихся меток для ранней диагностики заболеваний, оптогенетических инструментов для исследования мозга и светочувствительных белков с программируемыми свойствами. Принципиально важно, что такой подход радикально снижает зависимость от дорогостоящего и длительного экспериментального скрининга, делая передовые биотехнологии доступнее. В перспективе предложенный метод можно будет применять для моделирования фотохимических процессов в зрительных белках и других биологических системах, где критически важна высокая точность расчетов», — рассказывает руководитель проекта, поддержанного грантом РНФ, Анастасия Боченкова, кандидат физико-математических наук, заведующая лабораторией квантовой фотодинамики и доцент кафедры физической химии химического факультета МГУ имени М.В. Ломоносова.