Российские ученые улучшили ИИ для квантово-химических расчетов

Фото из открытых источников

Российские ученые представили инновационную систему искусственного интеллекта, которая значительно ускоряет один из ключевых типов квантово-химических расчетов — определение электронной плотности молекул. Об этом сообщила пресс-служба Института искусственного интеллекта AIRI. Новая технология может найти широкое применение в фармацевтике, ускоряя поиск и разработку потенциальных лекарственных соединений, пишет ТАСС.

Разработка основана на сочетании математических методов, проверенных временем, и современных архитектур нейросетей. В частности, система включает в себя улучшенную структуру нейросети, новую технику нормализации данных и математический принцип, известный с советских времен. Один из авторов работы, старший научный сотрудник AIRI Константин Ушенин, подчеркнул, что такое объединение подходов сделало вычисления в квантовой химии значительно более доступными и быстрыми.

Традиционные методы квантовой химии обладают высокой точностью, но они требуют огромных вычислительных ресурсов. При добавлении даже одного атома сложность расчетов возрастает многократно. Это особенно критично при моделировании сложных молекул, используемых, например, в медицине или материаловедении.

В последние годы учёные всё чаще прибегают к искусственному интеллекту, чтобы снизить нагрузку на вычислительные системы. Однако нейросетям необходимо обучаться на больших массивах данных, что требует десятков терабайт памяти и длительного времени подготовки. Российская команда предложила решение этой проблемы, используя математическую решетку Лебедева — метод оптимального размещения точек на поверхности сферы, разработанный в 1980-х годах.

Благодаря этому подходу объем необходимых данных удалось сократить в 42 раза, а требования к памяти — почти в восемь раз. Кроме того, нейросеть обучается примерно в четыре раза быстрее существующих аналогов, благодаря снижению нагрузки на каналы передачи данных и упрощению вычислительной архитектуры.

Сравнительные испытания показали, что новая российская система превосходит европейскую нейросетевую платформу DeepDFT в задачах, связанных с расчетами для молекул, содержащих сложные атомы, включая бром, йод и серу. При этом она обеспечивает почти в два раза меньшую погрешность при прогнозировании свойств молекул, что особенно важно при работе с соединениями из 3–4 периодов таблицы Менделеева.

Это открывает перед исследователями дополнительные возможности в разработке новых материалов и лекарств, особенно в условиях ограниченных вычислительных ресурсов.