01
А
Астрономия
02
Б
Биология
03
Г
Гуманитарные науки
04
М
Математика и CS
05
Мд
Медицина
06
Нз
Науки о Земле
07
С
Сельское хозяйство
08
Т
Технические науки
09
Ф
Физика
10
Х
Химия и науки о материалах
Математика и Computer Science
31 января

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. 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.

Комментарии

Все комментарии
Обсуждаемое