в 2019 году ученые Массачусетского технологического института ( mit ) создали нечто необычное в современной медицине — нашли новый антибиотик — галицин. В мае этого года другая команда нашла второй антибиотик — абауцин. Что отличало эти два соединения, так это не только их потенциал для использования против двух наиболее опасных известных бактерий, устойчивых к антибиотикам, но и то, как они были идентифицированы.
В обоих случаях исследователи использовали модель искусственного интеллекта ( ии ) для поиска среди миллионов соединений-кандидатов, чтобы определить те, которые будут лучше всего работать против каждой «супербактерии». Модель была обучена на химической структуре нескольких тысяч известных антибиотиков и на том, насколько хорошо (или нет) они действовали против микробов в лаборатории. В ходе этого обучения модель выявила связь между химической структурой и успехом в уничтожении бактерий. Как только ии выдал свой окончательный список, ученые проверили их в лаборатории и определили их антибиотики.
Если открытие новых лекарств похоже на поиск иголки в стоге сена, искусственный интеллект действует как металлоискатель.
Медицина
ИИ можно использовать для прогнозирования. Формы, в которые белки принимают себя после того, как они образовались в клетке, жизненно важны для их работы. Ученые еще не знают, как сворачиваются белки. Но в 2021 году Google DeepMind разработал AlphaFold, модель, которая научилась предсказывать структуру белка только по его аминокислотной последовательности. Он создал базу данных с более 200 миллионами предсказанных структур, которые используют исследователи. AlphaFold использовался, например, для поиска структуры белка, влияющего на рак печени. Эта модель также способствовала пониманию механизмов клетки, включая структуру ядра.
Что там с погодой?
Машинное обучение помогает ускорить и удешевить прогнозирование погоды. Pangu-Weather и FourCastNet - модели искусственного интеллекта, разработанные Huawei и Nvidia соответственно, позволяют делать прогнозы на неделю вперед и предсказывать дождь с высокой точностью. Они обучаются на данных наблюдений и результатов суперкомпьютерного моделирования. NVIDIA также планирует создать цифрового двойника Земли для прогнозирования изменения климата в будущем.
Физика
Тем временем физики, пытающиеся использовать возможности ядерного синтеза, используют ИИ для управления сложными частями комплекта. Один из подходов к исследованию термоядерного синтеза предполагает создание плазмы (перегретого, электрически заряженного газа) водорода внутри сосуда в форме пончика, называемого токамаком. При достаточно высокой температуре, частицы плазмы начинают плавиться и выделять энергию. Но если плазма коснется стенок токамака, он остынет и перестанет работать, поэтому физики удерживают газ внутри магнитной клетки.
Найти правильную конфигурацию магнитных полей чертовски сложно («немного похоже на попытку удержать комок желе с помощью вязальной шерсти», по словам одного физика), а управление ею вручную требует разработки математических уравнений, чтобы предсказать, что будет делать плазма, а затем создания тысячи небольших корректировок каждую секунду примерно десяти различным магнитным катушкам. Напротив, ИИ-Система управления, созданная учеными из Google DeepMind в Швейцарии, позволила ученым опробовать различные формы плазмы с помощью компьютерного моделирования, а затем ИИ придумал, как лучше всего этого добиться
Еще одна интересная область - автоматизация и ускорение физических экспериментов и лабораторных работ . «Беспилотные лаборатории» могут спланировать эксперимент, провести его с помощью роботизированной руки, а затем проанализировать результаты. Автоматизация может ускорить открытие новых соединений или поиск более эффективных способов создания старых соединений в тысячу раз быстрее.
А каким видите вы использование ИИ в науке?