ИИ перестал быть «черным ящиком»: российский метод MolgraphX научил нейросети мыслить как химики
Сотрудники Исследовательского центра в сфере искусственного интеллекта МГУ имени М.В. Ломоносова создали метод, который позволяет объяснять решения графовых нейронных сетей при анализе молекул. Результаты исследования опубликованы в Journal of Chemical Information and Modeling.
Искусственный интеллект с вероятностью 99% предсказывает, что новое вещество станет прорывным лекарством. Но на вопрос «почему?» молчит. Для программиста это просто цифры, для химика же это повод отправить разработку в корзину. Наука не терпит слепой веры в алгоритмы.
Особенно остро эта проблема проявляется при работе с симметричными молекулами. Многие существующие методы объяснения решений нейросетей анализируют отдельные атомы и связи независимо друг от друга, и при этом не учитывают молекулярную симметрию. В результате одинаковые с химической точки зрения фрагменты могут получать разные оценки важности, что противоречит представлениям специалистов о строении молекул.
Для решения этой задачи российские исследователи разработали метод MolgraphX. Подход позволяет определять вклад отдельных атомов и молекулярных фрагментов в предсказания графовой нейронной сети с учётом симметрии молекулы. Это помогает получать объяснения, которые лучше соответствуют химической логике и позволяют связать результаты работы искусственного интеллекта с конкретными структурными особенностями вещества.
Взлом «черного ящика»: химия на языке нейросетей
Графовые нейросети сегодня являются главным инструментом для поиска новых материалов и лекарств. Они анализируют молекулы как графы, где атомы – это узлы, а связи – рёбра. Проблема в том, что такие модели часто выдают вердикт, опираясь на скрытые паттерны, невидимые человеческому глазу.
MolgraphX меняет правила игры. Алгоритм не просто выдаёт прогноз, но и подсвечивает конкретные атомы и фрагменты, повлиявшие на решение. Более того, разработка учёных МГУ учитывает симметрию молекул – фундаментальное свойство, которое часто игнорировали предыдущие ИИ-модели. В слепых тестах химики признали: объяснения MolgraphX безупречны с точки зрения научной логики. При этом метод сохранил высокую скорость работы даже при анализе огромных молекулярных структур.
Зачем это России и миру?
Для российской IT-отрасли это шаг к технологическому суверенитету. Ученые формируют компетенции на стыке машинного обучения и хемоинформатики. В перспективе MolgraphX может стать ядром отечественного ПО для фармацевтических и нефтехимических гигантов. В России уже есть почва для таких инноваций: платформа «Синтелли» успешно прогнозирует реакции и генерирует соединения. Внедрение объяснимого ИИ в подобные экосистемы позволит не вслепую искать новые полимеры или катализаторы, а целенаправленно конструировать их.
Для граждан это означает одно: ускорение появления новых, более безопасных лекарств и экологичных материалов. Для мировой науки – решение универсальной проблемы доверия к ИИ.
Эволюция запроса: от «что?» к «почему?»
Если посмотреть на ретроспективу последних лет, тренд очевиден. В 2024 году российские химики учили нейросети распознавать структуры по снимкам микроскопов. В 2025 году на конференциях РАН звучал тезис: ИИ ускоряет анализ данных, но упирается в качество баз. Весной 2026 года МГУ представил архитектуру gSelformer-MV для анализа текстовых представлений молекул, а летом совместная команда РАН, МГУ, Сколтеха и ВШЭ улучшила расчёт молекулярных свойств. MolgraphX – логичное завершение этой эволюции. Наука переросла стадию «какой будет прогноз?». Теперь главный вопрос – «почему модель так решила?».
Главный тормоз и перспективы экспорта
Проблема в том, что даже самый гениальный ИИ бессилен, если ему не на чём учиться. Качественных, стандартизированных экспериментальных данных для обучения моделей всё ещё критически не хватает. MolgraphX не сможет полностью заменить живой эксперимент.
Тем не менее, экспортный потенциал у разработки огромен. В виде библиотек и модулей метод может интегрироваться в мировые хемоинформатические платформы. Его козырь – ориентация на привычную химикам логику.
Искусственный интеллект в химии - больше не волшебный оракул. Это мощный, но подконтрольный инструмент, который берёт на себя рутину вычислений, оставляя человеку самое главное – смысл, понимание и творчество.
