«Реальный инструмент»: российские химики научили ИИ распознавать структуру новых молекул

Специалисты Института органической химии им. Н.Д. Зелинского создали нейросеть, которая способна определять молекулярную структуру вещества по изображению с микроскопа. Разработка упростит и удешевит исследования в биохимической, материаловедческой и фармацевтической отраслях. Исследователи уверены, что искусственный интеллект позволит в ряде случаев обойтись без дорогостоящих методов анализа, таких как спектрометрия или рентгеновская дифракция.
Учёные из Института органической химии им. Н.Д. Зелинского РАН (ИОХ РАН) разработали нейросеть для определения молекулярной структуры веществ по изображениям, полученным с помощью электронного или оптического микроскопа. В перспективе разработка поможет ускорить прикладные исследования в ряде областей. Об этом RT сообщили в пресс-службе Минобрнауки.
Результаты исследования опубликованы в научном журнале Small, посвящённом нанотехнологиям.
Как правило, для анализа молекулярной структуры нового соединения применяются такие методы, как масс-спектрометрия или рентгеновская дифракция, а также спектроскопия ядерного магнитного резонанса (ЯМР), которые, впрочем, требуют дорогостоящего оборудования и высококвалифицированных сотрудников.
Авторы новой работы предложили упростить этот этап научных исследований, применив методы машинного обучения. В качестве модели учёные взяли структуру четвертичных фосфониевых солей, которые широко используются в химии и медицине, а также в целлюлозно-бумажной промышленности и нефтедобыче.
Исследователи научили нейросеть анализировать количество атомов углерода в цепи молекулы изучаемого вещества. В результате ИИ смог точно идентифицировать вещества и структуру их молекул по изображению с оптического или электронного микроскопа.
В ряде случаев ИИ даже распознавал минимальные отличия в структуре, которые незаметны при применении традиционных оптических методов, подчёркивают авторы исследования. Разработка призвана упростить и удешевить анализ химических соединений, что особенно важно для фармацевтики, биохимии и материаловедения.
«Исследователи доказали, что использование машинного обучения для анализа изображений химических соединений — это не просто экспериментальная идея, а реальный инструмент, способный изменить многие отрасли. Этот метод позволит сократить затраты и время на проведение анализов, что особенно важно в условиях быстрого развития науки и промышленности», — сообщила RT пресс-служба ИОХ РАН.
В дальнейшем авторы исследования намерены расширить применение этого подхода на другие классы химических соединений, а также ещё больше повысить точность работы нейросети.