Нейросеть в химии. Российские ученые обучили ИИ различать молекулярные структуры

В Институте органической химии им. Н.Д. Зелинского РАН впервые продемонстрировали, что нейронная сеть способна различать сложные молекулярные структуры органических соединений. Этот успех был достигнут благодаря использованию глубоких нейросетей для анализа изображений, полученных с помощью микроскопов, что открывает новые перспективы в химии и медицине.

В рамках исследования учёные сосредоточились на четвертичных фосфониевых солях — органических соединениях, широко применяемых в химической промышленности и фармацевтике. С помощью нейросети удалось распознать мельчайшие различия в структуре этих соединений, которые не поддавались традиционным методам анализа, особенно в условиях сканирующей электронной и оптической микроскопии.

"Нейросеть обучалась на основе более 500 изображений, и в результате она смогла уточнять малейшие нюансы химических структур, что ранее было недоступно".

• Валентин Анаников, заведующий лабораторией металлокомплексных и наноразмерных катализаторов ИОХ РАН

Прорыв в исследовании стал возможен благодаря интеграции методов машинного обучения и традиционных подходов к изучению химических соединений. Используя глубокие нейронные сети и архитектуру CycleGAN, ученые смогли преобразовывать изображения между различными типами микроскопии и анализировать ключевые параметры, такие как количество атомов углерода в молекулах. Это не только повысило точность анализа, но и сделало его доступным при использовании более простых микроскопов, что существенно сокращает затраты.

"Главная проблема заключалась в информационном разрыве между молекулярными структурами и морфологией материалов. С помощью нейронной сети мы смогли преодолеть этот разрыв".

• Валентин Анаников, академик РАН

Результаты исследования, опубликованные в международном журнале Small, указывают на значительный потенциал метода для применения в биохимии, фармацевтике и материаловедении. В будущем ученые планируют расширить применение нейросети для анализа других классов химических соединений, улучшая точность моделей и создавая более обширные базы данных.

Источник: пресс-служба ИОХ РАН