Учёные Центра НТИ «Цифровое материаловедение: новые материалы и вещества» при МГТУ им. Н.Э. Баумана и химического факультета МГУ разрабатывают уникальный сервис, способный предсказывать свойства новых материалов с помощью графовых нейронных сетей. Артём Митрофанов, заведующий лабораторией интеллектуального химического дизайна на химическом факультете МГУ, поделился деталями проекта.
Что из себя представляет продукт?
Это не просто программное обеспечение, а мощный инструмент для материаловедов, который сочетает модели машинного обучения с удобным интерфейсом. Сервис нацелен на поддержку учёных и инженеров, разрабатывающих материалы, которые не имеют глубоких знаний в программировании или Data Science. По словам Митрофанова, новый инструмент поможет прогнозировать свойства материалов с помощью ИИ, значительно ускоряя и оптимизируя исследования.
Проблема традиционного подхода
«Сегодня создание новых материалов во многом зависит от метода проб и ошибок, где успех исследований напрямую связан с опытом специалистов», — отмечает эксперт. Такой подход ведёт к так называемому «эффекту фонаря», когда внимание сосредоточено на доработке уже известных и проверенных материалов, снижая затраты на тестирование гипотез. Этот фокус, хоть и экономичен, сильно сужает зону поиска перспективных материалов, которые могут открывать новые горизонты.
Роль машинного обучения и нейросетей
Внедрение методов машинного обучения позволит выполнять «предварительную оценку» свойств материалов, помогая оценить риски ещё на этапе планирования исследований. Здесь на помощь приходят графовые нейронные сети, которые идеально подходят для анализа сложных взаимосвязей. Такая технология активно применяется и в других областях, например, для анализа данных пользователей в социальных сетях или рекомендаций в потоковых сервисах. Алгоритмы нейросетей изучают связи, будь то схожесть музыкальных предпочтений или модели покупок, и на основе этого формируют наиболее точные прогнозы.
🚀 Основное преимущество нейросетей — скорость
По словам Митрофанова, одним из главных плюсов новой технологии является значительное сокращение времени работы. Проект позволяет заменить традиционные квантово-химические расчёты, требующие десятков часов, на машинные модели, которые выполняются за считаные секунды и работают на менее мощном оборудовании.
