Группа исследователей из Института AIRI, НИУ ВШЭ, Московского государственного университета, ТГУ и УрФУ представила новую алгоритмическую разработку в области химической информатики. Работа, посвященная созданию модели искусственного интеллекта под названием Uni-Bond, была доложена на международной конференции ICML в Сеуле.
Основная задача разработки — преобразование трехмерных координат атомов в плоскую структурную формулу молекулы. В научной практике моделирование часто оперирует трехмерным представлением вещества, тогда как большинство методов прогнозирования свойств используют запись в виде молекулярных графов или структурных формул, где ключевое значение имеют типы связей между атомами, а не их точное пространственное расположение. Разработанный алгоритм призван обеспечить более надежную связь между этими двумя типами представления данных.
В отличие от классических программ, которые определяют химические связи преимущественно на основе измерения расстояний между атомами и их сопоставления с эталонными значениями, новый подход предполагает анализ геометрии всей молекулы в совокупности. Это позволяет строить граф связей непосредственно на основе трехмерных координат. Точность работы алгоритма достигает 99,53%, что соответствует снижению частоты ошибок в 20 раз по сравнению с предыдущими методами.
В ходе экспериментов модель проверялась, в том числе, на кластерах воды. В таких системах молекулы расположены крайне близко друг к другу, однако химических связей между ними не образуется. Согласно представленным данным, Uni-Bond корректно определил внутримолекулярные связи и не зафиксировал ложных межмолекулярных взаимодействий, тогда как предшествующие методы в аналогичном тесте часто давали сбои.
Отмечается, что нейросеть способна распознавать пять типов взаимодействий: отсутствие связи, одинарные, двойные, тройные и ароматические связи, характерные, например, для бензольного кольца. Распознавание ароматической связи представляет собой отдельную задачу, так как ее геометрия не всегда однозначна и находится в промежуточном положении между одинарной и двойной связью. Авторы работы отмечают, что использование глобальной информации о молекуле делает алгоритм более устойчивым к шумам и искажениям геометрии, что критически важно для работы со сложными структурами, включая случаи таутомерии.
В перспективе разработчики планируют адаптировать модель для работы с заряженными частицами и радикалами, а также использовать ее для валидации и уточнения структур, генерируемых другими системами искусственного интеллекта. Разработка может найти применение в области создания новых химических соединений, включая фармацевтическую промышленность, однако авторы не дают конкретных прогнозов относительно сроков внедрения технологии в практическую деятельность.
Читайте также: В MWS Cloud добавили 9 новых ИИ-моделей, включая GLM 5.2.