Объединение языковых моделей и физического ИИ ускорит исследования в химии

МОСКВА, 9 ноября. /ТАСС/. Ведущие российские химики всесторонне изучили то, в каких областях химии использование ИИ уже сейчас несет ощутимую пользу, и пришли к выводу, что качество работы научных нейросетей заметно вырастет после объединения мощностей больших языковых моделей и специализированных ИИ, способные понимать и использовать в своей работе химические и физические законы. Об этом сообщила пресс-служба «Сколтеха» (входит в группу ВЭБ.РФ).

«Следующий этап развития ИИ для химии связан с объединением больших языковых моделей и физически информированных моделей, учитывающих химические ограничения. ИИ-агент должен оценивать, когда прогноз физически информированной модели обоснован, когда она выходит за пределы данных, на которых обучалась, и какой эксперимент лучше всего поможет снизить неопределенность», — заявил руководитель группы в Институте органической химии РАН (Москва) Михаил Медведев, чьи слова приводит пресс-служба «Сколтеха».

Ученые, в том числе специалисты из ИОХ РАН, Центра искусственного интеллекта «Сколтеха», Университета ИТМО (Санкт-Петербург) и других ведущих российских научных организаций пришли к такому выводу при подготовке всестороннего обзора по использованию технологий ИИ в химических исследованиях. В его рамках исследователи показали, на каких этапах химического исследования методы ИИ дают измеримую пользу и изучили проблемы, связанные с оценкой надежности работы нейросетей.

«Для нас было особенно важно посмотреть на ИИ глазами химика, которому нужно принимать исследовательские решения. Высокая точность модели на тестовых данных — лишь верхушка айсберга. Существеннее понять, помогает ли модель интерпретировать измерения, планировать информативные эксперименты и сохранять качество и надежность прогнозов при работе с новыми веществами и реакциями», — добавил старший научный сотрудник Центра ИИ «Сколтеха» Александр Рябов, чьи слова приводит пресс-служба вуза.

Проведенный исследователями анализ показал, что уже сейчас различные системы машинного обучения и продвинутые формы ИИ значимым образом улучшили работу химиков в трех областях — при интерпретации данных спектроскопии, масс-спектрометрии и микроскопии, при поиске перспективных веществ и реакций в множестве возможных вариантов, а также при проведении автоматизированных многоэтапных опытов и связывании прогнозов с результатами этих экспериментов.

При этом ученые пришли к выводу, что дальнейшее развитие химического ИИ потребует объединения больших языковых моделей со специализированными нейросетями, способными учитывать то, как фундаментальные законы физики и химики ограничивают те или иные химические реакции и процессы. В перспективе, фундаментальные модели, опирающиеся на химические знания, и интеллектуальные экспериментальные платформы должны проходить проверку в полных исследовательских циклах — от постановки задачи до воспроизводимого результата, подытожили исследователи.