Сегодня технологии искусственного интеллекта применяются практически во всех областях химии. Поэтому студенту-химику важно не просто понимать «химизм» явлений, но и научиться применять методы ИИ. О том, где могут понадобится эти знания, рассказал кандидат химических наук, научный сотрудник химического факультета МГУ имени М.В. Ломоносова, разработчик и преподаватель курса «Towards Artificial Intelligence in Chemistry via the Rational Design of Chemical Compounds and Automated Discovery», созданного при поддержке фонда «Интеллект», Михаил Полынский.
В каких областях химии используется искусственный интеллект?
Химики начали применять методы машинного обучения еще несколько десятилетий назад. В медицинской химии уже классической областью стал поиск корреляций между структурой и биологической активностью органических молекул. В 80-е годы для этого использовали линейную регрессию и кодировали структуру с помощью, например, функций, определенных на матричном представлении молекулярного графа. Сейчас для этого часто применяют глубокие нейронные сети. Есть также работы, датированные нулевыми годами, по применению машинного обучения в других областях, например, в катализе органических реакций. Тогда химики только начинали использовать деревья принятия решений, а также искусственные нейронные сети.
В наше время и классические алгоритмы машинного обучения, и подходы глубокого обучения проникли во все области химии: органическую и неорганическую химию, катализ, медицинскую химию, аналитическую химию, материаловедение. При этом количество задач, решаемых при помощи ИИ, выросло многократно. Это и предсказание свойств химических соединений, и замена вычислительно дорогих квантово-химических методов моделями машинного обучения, и контроль протекания химических реакций, и распознавание образов в электронной микроскопии и сигналов – в масс-спектрометрии.
Если говорить именно про химию, то наибольшее впечатление производит использование ИИ для предсказания химических реакций и многостадийных химических синтезов. В химии собрано огромное количество данных по химическим реакциям. ИИ способен обработать эти данные и предсказать результат реакции. Эта область развивается очень быстро и требует применения новейших алгоритмов. И если первые подходы работали не без изъяна, то с каждым годом качество предсказательных моделей растет. Поэтому не стоит удивляться, если в ближайшем будущем появится искусственный интеллект, который станет предсказывать реакции или химические синтезы не хуже, чем химик-эксперт. Тем, кто хочет посмотреть на удивительные результаты в этой области, стоит зайти на эти два сайта: https://rxn.res.ibm.com/ и https://askcos.mit.edu/.
Может ли ИИ создать лекарство от неизлечимой болезни?
ИИ – это мощный, революционный инструмент. И пользоваться им начинают повсеместно. Сейчас поиск новых лекарств для неизлечимых заболеваний – одна из основных задач исследователей, затмившая по вкладываемым ресурсам практически все остальные. Рано или поздно новые лекарства для неизлечимых заболеваний будут найдены и с помощью ИИ, но это будет не единственный «инструмент».
Нужно ли химику владеть методами ИИ?
Безусловно. Если говорить об экспериментальных фундаментальных или прикладных исследованиях, то умение программировать и понимание методов ИИ и машинного обучения выводит специалиста на международный уровень публикаций. К тому же специалист с такими знаниями будет более востребован на рынке труда – как минимум, ему можно рассчитывать на то, что количество интересных карьерных предложений в «индустрии» будет больше.
«Еще можно говорить о вычислительных исследованиях в химии. Раньше подавляющее большинство теоретических работ делались с применением квантово-химических методов или метода молекулярной динамики/механики, – поясняет Михаил Полынский. – А теперь я понял, что не взял бы научное руководство над студентом/аспирантом, который не умеет программировать и не знаком хотя бы со стандартными библиотеками scikit-learn и Pandas».
Где студентам-химикам получить знания в области ИИ?
Если нет возможности записаться на курсы Некоммерческого фонда развития науки и образования «Интеллект» или посмотреть их на платформе Teach In (курсы будут выложены в свободном доступе), то можно начать с курсов на Stepik. Кстати, легендарными стали курсы Тимофея Хирьянова на YouTube; замечательно, что теперь он преподает и в рамках программ Фонда (преподает межфакультетский курс «Основы программирования и анализа данных на Python» – прим.). Студентам, которые по какой бы то ни было причине пропустили курсы (или все забылось) математического анализа, линейной алгебры и теории вероятностей и математической статистики, стоит пройти хотя бы онлайн-курсы. Затем следует стандартная последовательность: синтаксис Python, элементы ООП, (весьма желательно) алгоритмы и структуры данных, прикладные библиотеки для машинного обучения и анализа дынных, а потом можно переходить к изучению и практике применения библиотек для градиентного бустинга и нейронных сетей. Некоторые из начальных этапов можно поменять местами в зависимости от конкретных выбранных курсов. Вообще, это очень много материала: на сотни часов обучения минимум, но это стоит того.
Если вы хотите узнать подробнее о курсах либо остальной деятельности фонда «Интеллект», переходите на наш сайт, группу ВК или в Телеграм-канал.
