Ученые БФУ им. И. Канта представили новые данные об углеродных материалах на ИИ-форуме

17–21 ноября в Москве на базе Института органической химии имени Н. Д. Зелинского РАН состоялись II Научная конференция «Искусственный интеллект в химии и материаловедении» и форум «Искусственный интеллект в научно-технологическом развитии химической отрасли». Мероприятие объединило представителей академической науки, промышленности, образования и государственных структур. На открытии выступили заместитель министра науки и высшего образования РФ Денис Секиринский и вице-президенты РАН Степан Калмыков и Сергей Алдошин.       

БФУ им. И. Канта с научными результатами по мега-гранту РНФ № 25-72-31032 «Получение и применения мезо- и нано- структурированных функциональных углеродных материалов» представила доктор физико-математических наук Галина Куприянова. Она выступила с устным докладом «Сравнительный анализ метода Хюккеля и DFT-расчетов для углеродных структур».

Галина Куприянова, ведущий научный сотрудник по мега-гранту:

На наших глазах происходит эпохальный сдвиг: мы вступили в стадию, когда искусственный интеллект перестает быть самостоятельным объектом исследований и становится интеллектуальным ядром лабораторных и теоретических практик в области химических исследований. Речь идет о неразрывности процесса от проектирования молекул до роботизации экспериментов и цифрового моделирования свойств материала и технологии его производства. Интеграция ИИ в химию и материаловедение — не модный тренд, а насущная стратегическая необходимость для формирования «интеллектуальной инфраструктуры XXI века.

Валерий Савин, исполнитель мега-гранта, д. ф.-м. н., профессор, главный научный сотрудник БФУ им. И. Канта, обратил внимание на слова академика Валентина Ананикова, который, рассматривая перспективы развития ИИ, привел сравнение временных затрат на генерацию единичных химических данных, их анализ, генерацию релевантного набора данных, построение моделей и создания двойников. Сравнил временные затраты на проведение экспериментов, необходимых для релевантного вывода, без использования и с использованием ИИ. Точки бифуркаций исследуемых временных зависимостей приходятся на 2020–2035 годы.

Валерий Савин:

Вывод выглядит однозначным: если мы сегодня не сможем широко внедрить методы ИИ в науку и практику, то мы можем просто безвозвратно отстать от тенденции мирового развития. При этом основная сложность использования ИИ в научных исследованиях связана с отсутствием доступных надежных «датосетов», на основе которых можно было бы строить модели для прогнозирования и предсказывания новых материалов с заранее заданными свойствами. Создание таких надежных отечественных «датасетов» сегодня представляется наиважнейшей нашей общей задачей.

Галина Куприянова считает, что на данном этапе развития химических исследований нет надежного набора данных. Провести миллион экспериментов в реальной химии невозможно. Решение такой сложной, но не терпящей отлагательства проблемы, кроется, с точки зрения Галины Куприяновой, в развитии высокоточных вычислительных методов (DFT, молекулярная динамика), росте вычислительных мощностей и создании новых гибридных алгоритмов, сочетающих физические модели с машинным обучением. Позитивные примеры конструирования современного «датасета»: созданный на основе расчетов MOSES Dataset (~1,9 млн. молекул; проект ИОХ РАН OdanChem, объединяющий более 20 млн. спектров ЯМР.

Галина Куприянова:

В рамках мега-гранта наша научная группа сегодня активно занимается сравнительным анализом метода Хюккеля и DFT-расчетов для углеродных структур. Исследование показало, что параметризованная и DFT-калиброванная версия Хюккеля может стать быстрым и физически обоснованным инструментом для предсказания электронных и топологических свойств новых углеродных материалов — от графенов до гипотетических криволинейных систем. Это яркий пример гибридного подхода: не ИИ вместо физики, а ИИ + физика. Только такое сочетание (при безусловной компетентности пользователей) приведет к ускорению научных исследований и внедрению в производство их результатов.

Валерий Савин:

Присоединяюсь к мнению участников форума. Однако хочу предостеречь молодых и опытных исследователей: важно не только собирать достоверные данные (включая отрицательные результаты), но и стандартизировать их формат — в противном случае данные превращаются в «цифровой шум». И главное, повторяя слова академика Алексея Хохлова, воздерживайтесь от бездумного использования ИИ. Критическое высказывание Академика о «росте ИИ-мусора» поддержало большинство участников форума. Вывод очевиден: без научного кураторства и экспертной валидации даже самые мощные модели могут усиливать системные ошибки, а это, в лучшем случае, — тупик, в худшем — катастрофа.

С материалами конференции можно ознакомиться на сайте.