2 июня Университет ИТМО и Институт AIRI открыли дистанционную лабораторию цифрового дизайна молекул. В Петербурге это не просто новость про нейросети: речь о том, как химические эксперименты всё чаще начинаются с данных, моделей и проверки гипотез на компьютере.
Что именно открыли 2 июня
Новая лаборатория называется лабораторией цифрового дизайна и моделирования макро- и супрамолекулярных комплексов. Как сообщает ИТМО, это дистанционная исследовательская площадка, где учёные из разных городов будут разрабатывать сложные молекулярные системы с помощью искусственного интеллекта.
Главная задача звучит сухо, но за ней стоит понятная логика: научить модели не просто смотреть на одну молекулу, а предсказывать, как несколько компонентов поведут себя вместе. Это касается сокристаллов, биомолекулярных комплексов, новых материалов и лекарственных форм.
Для Петербурга проект заметен тем, что его петербургская часть связана с ИТМО и Центром искусственного интеллекта в химии. Сам центр работает на улице Ломоносова, 9, а новая лаборатория устроена как распределённая команда: основная коммуникация, обсуждение результатов и разработка моделей будут идти дистанционно.
Почему одной молекулы уже мало
При создании лекарств и материалов исследователя интересует не только формула вещества. По данным ИТМО, свойства конечной системы зависят от взаимодействий между компонентами: растворимости и стабильности лекарственной формы, структуры и прочности материала, чувствительности молекулярного сенсора, силы связывания в биомолекулярном комплексе.
Обычный путь в химии — эксперимент, расчёты и много ручной проверки. ИИ не отменяет лабораторию, но может сузить круг вариантов до тех, которые стоит испытывать в первую очередь. Лаборатория будет строить алгоритмы, которые описывают взаимодействия молекулярных компонентов и выбирают перспективные комбинации для дальнейшей проверки.
Слабое место таких задач — данные. Для многокомпонентных систем они часто разнородные, плохо структурированные и не подходят для прямого обучения моделей. Поэтому в проекте отдельно выделены датасеты, бенчмарки и протоколы оценки: без них невозможно честно сравнить, какая модель действительно лучше предсказывает свойства системы.
Из чего будут собирать цифровую химию
Набор инструментов у лаборатории широкий: машинное обучение, генеративный ИИ, графовые и табличные модели, большие языковые модели, активное обучение, мультимодальные представления и мультиагентные системы. Часть задач связана с вычислительной проверкой гипотез до лабораторного эксперимента.
Как пишет CNews, среди первых проектов заявлены масштабный бенчмарк для моделирования взаимодействий аптамеров и белков, а также база данных по совместной кристаллизации. В дальнейшем эти инструменты хотят объединить в платформу полного цикла молекулярного дизайна — от поиска идеи до готового решения.
Отдельное направление — автоматическое извлечение данных из научной литературы. Это особенно полезно для химии: результаты экспериментов разбросаны по статьям, таблицам, графикам и дополнительным материалам. Если модель сможет аккуратно собирать такие сведения, исследователи быстрее увидят, какие комбинации уже проверялись и где остаются белые пятна.
Кто участвует в работе
Основу команды составят исследователи ИТМО и AIRI. Со стороны ИТМО к работе привязаны Центр ИИ в химии, научно-образовательный центр инфохимии и смежные исследовательские группы. Со стороны AIRI участвует направление ИИ-разработки новых лекарственных препаратов.
В проект смогут включаться студенты и аспиранты, в том числе из других вузов. Это делает лабораторию не только исследовательской, но и образовательной площадкой: молодые специалисты будут работать с реальными задачами на стыке химии, программирования и анализа данных.
На сайте Центра искусственного интеллекта в химии ИТМО указано, что команда занимается цифровыми сервисами и веб-платформами для задач науки и индустрии, обучает студентов и развивает проекты в химии и материаловедении. Среди направлений центра — data-driven drug discovery, предсказание свойств наноматериалов и ИИ для молекулярных машин.
Что это даёт городу и читателю
Прямого эффекта «завтра в аптеке появится новое лекарство» у таких лабораторий не бывает. Польза появляется раньше и тише: в Петербурге растёт школа цифровой химии, где химик должен понимать данные, а специалист по ИИ — физический смысл молекулярной системы.
Для абитуриентов и студентов это сигнал смотреть не только на классические ИТ-направления. Если интересны химия, биомедицина, материалы, Python и машинное обучение, такие проекты показывают реальный маршрут в науку: от магистерских и аспирантских задач до платформ, которыми могут пользоваться исследовательские и индустриальные команды.
Для компаний в фарме, материалах и биотехнологиях смысл другой: модели помогают быстрее отсеивать слабые варианты и экономить лабораторные ресурсы. По информации DH-Media, практический эффект будет зависеть от того, как быстро такие инструменты дойдут до индустриальных партнёров и встроятся в прикладные разработки.
За чем следить дальше
В ближайшие месяцы по этой теме стоит смотреть не на громкие обещания, а на конкретные артефакты: открытые датасеты, бенчмарки, научные публикации, демонстрации платформы и наборы задач для студентов. Именно они покажут, стала ли лаборатория рабочим инструментом, а не только красивой вывеской на стыке ИИ и химии.
Ещё один маркер — появление результатов по аптамерам, белкам и совместной кристаллизации. Если команда сможет показать воспроизводимые модели и понятные протоколы сравнения, у петербургской цифровой химии появится сильный аргумент в разговоре с фармой и материаловедением.