Любая химическая реакция проходит через короткий, но важный момент — переходное состояние. В этот момент молекулы достигают энергетического пика, после которого неизбежно превращаются в новые вещества. Это состояние длится столь краткий миг, что увидеть его напрямую в лаборатории почти невозможно.
Ранее попытки использовать ИИ в этой сфере уже предпринимались — в 2023 году ученые представили модель, способную делать прогнозы быстрее классических алгоритмов. Вычислительная химия действительно важна для разработки более устойчивых процессов, чтобы переходить от реагентов к продуктам, таким как фармацевтические препараты или топливо. Однако та модель требовала десятков итераций и дополнительной проверки достоверности, потому что она начинала с хаотичных, случайных догадок о структуре переходного состояния.
Теперь все иначе. Новая модель React-OT стартует не с пустого листа, а с линейной интерполяции — метода, который оценивает положение каждого атома, перемещая его на полпути между его положением в реагентах и в продуктах в трехмерном пространстве. Это позволяет модели почти сразу попасть в точку и завершить прогноз всего за пять шагов.
Точность оказалась на 25% выше по сравнению с предыдущей версией. Она уже показала свою эффективность на тысячах реакций. Особенно ценно, что React-OT успешно справляется с более крупными реагентами, которые часто имеют боковые цепи, не участвующие напрямую в реакции.
В настоящее время исследователи работают над обучением модели, чтобы она могла предсказывать переходные состояния для реакций между молекулами, в состав которых входят дополнительные элементы, в том числе сера, фосфор, хлор, кремний и литий.
Ранее мы писали о том, как нейросети учатся убеждать.
