Исследователи Института органической химии им. Н.Д. Зелинского РАН успешно обучили нейронную сеть определять структуру четвертичных фосфониевых солей — сложных органических соединений, которые широко используются в химии и медицине. Сеть смогла точно идентифицировать молекулы на изображениях, полученных с помощью электронного и оптического микроскопов. В некоторых случаях она смогла распознать даже минимальные отличия в структуре, которые были незаметны для традиционных оптических методов.

Традиционные методы анализа молекулярных структур, такие как ЯМР-спектроскопия, масс-спектрометрия или рентгеновская дифракция, требуют дорогого оборудования и высококвалифицированного персонала. Новый метод позволяет использовать гораздо более доступные микроскопы и машинное обучение для быстрого и точного определения структуры молекул. Это открытие может значительно упростить и удешевить анализ химических соединений, что особенно важно для фармацевтики, биохимии и материаловедения.

«Мы доказали, что использование машинного обучения для анализа изображений химических соединений — это не просто экспериментальная идея, а реальный инструмент, способный изменить многие отрасли. Этот метод позволит сократить затраты и время на проведение анализов, что особенно важно в условиях быстрого развития науки и промышленности», — отметил ведущий автор исследования Валентин Анаников, академик РАН, заведующий лабораторией металлокомплексных и наноразмерных катализаторов ИОХ РАН.

Исследователи использовали глубокие нейронные сети, чтобы обучить модель распознавать молекулярную структуру по изображениям, полученным с помощью сканирующей электронной микроскопии (SEM) и оптической микроскопии. Сеть была настроена на анализ данных, таких как количество атомов углерода в цепи молекулы, с использованием методов классификации и регрессии. Кроме того, использовалась архитектура CycleGAN для преобразования изображений из одного типа микроскопии в другой.

Работа представляет собой важный шаг на пути к созданию новых методов анализа молекулярных структур, основанных на машинном обучении и визуальных данных. В дальнейшем планируется расширение применения этого подхода на другие классы химических соединений и улучшение точности моделей через создание более обширных баз данных изображений и структур. Этот метод обладает потенциалом для значительного влияния на различные области науки и техники, предлагая более быстрые, дешевые и доступные решения для молекулярного анализа.

Применение искусственного интеллекта в химических исследованиях — одно из приоритетных направлений в ИОХ РАН. В частности, активно развиваются исследования в области нанотехнологий и катализа, где ИИ помогает углубить понимание молекулярных механизмов и усовершенствовать методы анализа данных для более точных и эффективных исследований.

Исследование проводилось в Институте органической химии им. Н. Д. Зелинского Российской академии наук (ИОХ РАН) при поддержке Министерства науки и высшего образования РФ (соглашение №075-15-2024-531). ИОХ РАН вошел в число победителей конкурса на проведение крупных научных проектов по приоритетным направлениям научно-технологического развития в этом году. Цель проекта «Цифровая химия» — создать и внедрить новые цифровые технологии для улучшения и увеличения масштабов синтеза органических соединений, делая процесс более эффективным, безопасным и экологичным на всех этапах, от лаборатории до производства.

Работа опубликована в журнале Small.

Источник: «Коммерсантъ».