Российские ученые усовершенствовали ИИ инструмент для моделирования химических реакций и предсказания свойств молекул
В отличие от полностью нейросетевых подходов, новый алгоритм не нарушает фундаментальные законы физики и снижает ошибку в расчетах энергии химических реакций почти на 26%. Благодаря этому он позволяет точнее описывать поведение электронов в сложных химических системах, что необходимо для предсказания их свойств, например при разработке новых лекарств, катализаторов и материалов.
Искусственный интеллект сегодня умеет генерировать код и писать симфонии, но в естественных науках слепая вера в алгоритмы опасна. Нейросеть легко выдаст математически стройный, но физически невозможный результат. Российские ученые из ИОХ РАН, Сколтеха, МГУ и НИУ ВШЭ предложили решение этой проблемы. Они создали гибридный метод квантово-химического моделирования, где машинное обучение не заменяет классическую физику, а работает с ней в связке.
Точность без нарушения законов физики
В основе вычислительной химии лежит теория функционала плотности (ТФП) – мощный, но не идеальный инструмент. Новая российская разработка не строит модель молекулы с нуля. Алгоритм берет физически обоснованный функционал и с помощью нейросети тонко корректирует его параметры.
Нейросеть обучили на молекулах с заранее известной энергией. Тесты на 30 типах реакций показали: гибридный подход выполняет расчеты почти на 26% точнее классических методов. Главное достижение: алгоритм жестко ограничен фундаментальными законами природы. Он лишен главного порока «черных ящиков» – выдачи формально верного ответа ценой нарушения базовых законов физики.
Эволюция «цифрового химика»
Российская школа вычислительной химии последовательно интегрирует ИИ в науку. В 2023 году российские исследователи улучшили ML-архитектуры для прогнозирования свойств материалов. В 2024 году нейросети научились распознавать сложнейшие фосфониевые соли, а в 2025 году алгоритмы обрели «интуицию химика», находя ранее неизвестные геометрии молекул и пептидов.
Весной 2026 года группа ученого Михаила Медведева обнаружила у классических методов ТФП «слепое пятно» – неспособность различать электронные системы с разным поведением. Новая гибридная модель фактически становится ключом к устранению этой уязвимости. Параллельно, в марте 2026-го ученые AIRI применили трехмерные графовые нейросети для расчета оптических характеристик веществ, снизив ошибку на 30%. Все эти шаги формируют мощную основу. В перспективе метод позволит виртуально скринировать соединения, вычислять механизмы реакций и создавать материалы с заданными свойствами.
Стратегический суверенитет в пробирке
Разработка лекарств, поиск промышленных катализаторов и создание новых материалов требуют колоссальных затрат на натурные эксперименты. Виртуальный отбор соединений, точность которого обеспечена российским ИИ, способен сократить эти сроки и бюджеты в разы.
Кроме того, это вопрос независимости. Наличие собственных средств вычислительной химии снижает зависимость исследовательских центров от зарубежного ПО. Метод планируется внедрить в открытую платформу PySCF, что создаст основу для его практического использования. Как отмечает академик РАН Валентин Анаников, нейросетевые инструменты становятся универсальным ключом к прикладным научным задачам, и химия здесь – на передовой.
Глобальный тренд на «умный» ИИ
Мировая наука движется к концепции физически информированного ИИ. Мир устал от автономных нейросетей, которые «галлюцинируют» в точных науках. Российский кейс доказывает: будущее за гибридами, где ИИ выступает ассистентом, усиливающим проверенные математические теории. Экспортный потенциал разработки огромен: Россия может предлагать миру не только сырье, но и алгоритмы, программные модули и услуги по молекулярному моделированию.
Пока это фундаментальное исследование, а не готовый продукт. Основным препятствием для коммерциализации остается проверка надежности модели на реакциях, которых не было в обучающих данных. Но именно сохранение физических ограничений повышает шансы, что метод сработает на принципиально новых соединениях. Отучив нейросеть нарушать законы физики, российские ученые получили надежный фундамент для цифровой химии будущего.
