МОСКВА, 26 ноября. /ТАСС/. Российские исследователи разработали онлайн-платформу, которая позволяет прогнозировать оптические свойства еще не синтезированных органических красителей по их структуре при помощи машинного обучения. Данная разработка позволяет получать подобные прогнозы в десятки раз быстрее и в несколько раз качественнее, чем классические методы квантовой химии, сообщила пресс-служба Российского научного фонда (РНФ).
"Мы уверены, что наша разработка станет эффективным ресурсом для ускорения разработки новых красителей на базе соединений бора, фтора и органических молекул (BODIPY) с заранее заданными свойствами. Это будет способствовать созданию более эффективных флуоресцентных маркеров для терапии рака и конструирования материалов для органической электроники следующего поколения", - пояснил старший научный сотрудник Института химии растворов РАН (Иваново) Александр Ксенофонтов, чьи слова приводит пресс-служба РНФ.
Как отмечают ученые, светящиеся красители сейчас активно используются в медицине и биологических исследованиях, однако для их применения в данной области необходимо, чтобы эти вещества излучали частицы света в относительно узком диапазоне длин волн, в котором тело человека или животных является относительно прозрачным. Как правило, подобными свойствами обладают вещества, вырабатывающие красный свет или инфракрасное излучение.
В прошлом, подобные соединения разрабатывались методом проб и ошибок, однако в последние годы химики начали активно использовать методы квантовой химии для прогнозирования того, каким свечением будет обладать еще не синтезированная молекула красителя. Для проведения подобных расчетов требуются огромные вычислительные ресурсы и большое количество времени, что затрудняет их использование для быстрого автоматизированного тестирования.
Химики создали более быструю и эффективную ИИ-альтернативу для этих подходов, для чего они подготовили обширный набор данных, включающий в себя информацию по свойствам 6,5 тыс. светящихся молекул из класса BODIPY, исследованных в 82 различных растворителях. Такое количество и разнообразие данных позволило моделям выявлять сложные взаимосвязи между структурой молекулы и ее оптическими свойствами и достичь высокой точности прогнозирования, составляющей от 70% до 90%.
Исследователи проверили работу созданной ими системы ИИ на наборе из трех сотен хорошо изученных красителей этого класса. Оказалось, что новый алгоритм справляется с задачей за секунды, в то время как классические методики затрачивают на вычисления часы. При этом ошибка предсказаний у нового метода в восемь раз ниже по сравнению с классическими квантово-химическим расчетами, что продемонстрировало высокую эффективность и перспективность применения ИИ в данной области химии, подытожили ученые.