Материалы будущего. Сервис МГУ и МГТУ для прогнозирования характеристик веществ

Материалы будущего. Сервис МГУ и МГТУ для прогнозирования характеристик веществ

Специалисты Центра НТИ «Цифровое материаловедение: новые материалы и вещества» МГТУ им. Н.Э. Баумана совместно с химическим факультетом МГУ создают сервис для прогнозирования характеристик новых материалов с использованием графовых нейронных сетей. Как рассказал Артем Митрофанов, руководитель лаборатории Интеллектуального химического дизайна МГУ, этот продукт станет удобным инструментом для материаловедов, которые не владеют программированием, но смогут воспользоваться преимуществами ИИ для прогнозирования свойств веществ.

Научное программное обеспечение будет сочетать в себе модели машинного обучения с удобным пользовательским интерфейсом, позволяя ученым и инженерам ускорить процессы создания новых материалов. Митрофанов отметил, что сегодня разработка новых веществ во многом базируется на методе проб и ошибок, при котором успех во многом зависит от опыта исследователя. Это создает «эффект фонаря» — акцент на улучшении уже известных материалов, что ограничивает поиски новых, перспективных решений.


«На текущий момент разработка новых материалов во многом основана на методе проб и ошибок… Однако это приводит к заметному ограничению области поиска, в которой могут скрываться перспективные вещества».

- Артем Митрофанов, заведующий лабораторией Интеллектуального химического дизайна химического факультета МГУ


Методы машинного обучения, интегрированные в проект, будут работать в качестве «предварительного оценщика», анализируя риски и прогнозируя свойства веществ еще на этапе выбора направления исследований. Графовые нейронные сети особенно полезны для этого, поскольку позволяют обрабатывать сложные связи между объектами, представляя данные в виде узлов и связей между ними.

Одним из ключевых преимуществ применения нейросетей в этой области является сокращение времени исследований. Если традиционные квантово-химические расчеты требуют значительного времени и мощных серверов, то модели машинного обучения способны выполнять такие оценки за считанные секунды с минимальными ресурсами, добавил Митрофанов.

Источник: Центр НТИ «Цифровое материаловедение: новые материалы и вещества» МГТУ им. Н.Э. Баумана

Тайны равнины Утопия. Ученые нашли следы древнего океана на Марсе
Научные кадры для нацпроекта. Академики РАН в совете по развитию химии и новых материалов