На совместном заседании двух научных советов РАН оценили потенциал квантовых технологий в химии и материаловедении
В среду, 9 сентября 2026 года, состоялось совместного заседание Научного совета РАН «Квантовые технологии» и Научного совета РАН по материалам и наноматериалам, в рамках которого участники обсудили применение методов квантовых вычислений для создания новых молекул, материалов и лекарств. В совместном заседании принял участие 171 человек из 104 организаций и их подразделений. В обсуждении повестки дня участвовало 17 человек.
«Квантовые вычисления всё чаще рассматривают как инструмент решения сложных задач, недоступных классическим методам. Они перспективны при разработке новых катализаторов и материалов. Научному сообществу предстоит оценить реальный потенциал этих технологий», — отметил, открывая совещание, президент РАН академик Геннадий Красников.
Как подчеркнул сопредседатель заседания, вице-президент РАН академик Сергей Алдошин, речь идёт, в частности, о переходе от эмпирического конструирования материалов к дизайну на микроуровне, смещению фокуса на квантово-химическом взаимодействии между атомами и молекулами для создания веществ с заданными свойствами.
Директор Института органической химии им. Н.Д. Зелинского РАН академик Валентин Анаников в своём докладе рассказал о применении новых цифровых технологий для создания новых катализаторов. По его мнению, развитие этой и смежных областей, которые генерируют до 35 % мирового ВВП, тормозит низкая скорость обработки данных. Проблему помогают решить инструменты искусственного интеллекта. С их помощью, в частности, в институте разработали такие технологии, как 4D описание катализа (в пространстве и времени), определение структуры вещества по фото и другие.
При этом искусственный интеллект уровня «Исследователь» позволит нейросетям воспроизводить интуицию человека. «В этой сфере, где нужно оперировать в непредсказуемом пространстве и реализовать нестандартные переходы, квантовые технологии, возможно, скажут своё слово», — поделился учёный.
Далее заслуженный профессор Сколковского института науки и технологий, профессор РАН Артём Оганов представил результаты применения искусственного интеллекта и новых вычислительных парадигм для предсказания структуры твёрдых тел. Он отметил, что прежде из-за огромного пространства возможных атомных конфигураций прогноз кристаллических структур с помощью вычислений считался нерешаемой задачей. Сегодня же сочетание эволюционных алгоритмов, нейросетей и классической квантовой механики позволяет преодолевать эти ограничения, что открывает новые горизонты в получении материалов с уникальными свойствами.
Доклад о создании молекулярных магнетиков для квантовых вычислений представил заместитель директора по научной работе ИОХ РАН член-корреспондент РАН Евгений Третьяков. В частности, он рассказал о двухкубитных операциях, которые удалось реализовать на молекулах фталоцианина тербия, а также о создании стабильных графеновых нанолент и разработке металлоорганических магнетиков на базе металлов с органическими радикалами.
По словам исследователя, в сфере создания квантовых логических вентилей на основе молекул были синтезированы комплексы, содержащие два ядра, с помощью которых впервые показали, что степень запутанности в двухкубитной системе можно изменять, манипулируя магнитным полем.
Далее ведущий научный сотрудник Института объединённых ядерных исследований Николай Щелкачёв поделился опытом применения для расчёта межатомных взаимодействий потенциалов машинного обучения. Это гибридные алгоритмы, которые сначала просчитывают тысячи вариантов, затем обучаются на них, а в дальнейшем с высокой точностью за доли секунд предсказывают свойства новых систем.
Учёный рассказал, как описанные методы помогли рассчитать кристаллы лекарств, ванадиевые сплавы для реакторов и сверхскользкие покрытия для пантографов — конструкций, которые обеспечивают контакт электровоза с проводом. По мнению специалиста, чтобы развивать эти подходы, нужны новые суперкомпьютеры с графическими картами и специализированный научный институт.
Заседание продолжил заведующий лабораторией Института общей и неорганической химии имени Н.С. Курнакова РАН Иван Ананьев. Он рассказал о развитии методов дизайна материалов с помощью новых цифровых инструментов. По его мнению, искусственный интеллект в большом количестве генерирует виртуальные кристаллические структуры, но реальных материалов создают мало. Одна из причин — скромная достоверность синтетических данных.
Решить проблему можно с помощью топологических дескрипторов на основе матриц плотности. Они описывают состояние квантовых систем (например, молекул или кристаллов) с точки зрения их электронной структуры. Такие методы требуют больших вычислительных ресурсов, но алгоритмы машинного обучения позволяют не вычислять каждый раз полные матрицы. Исследователи использовали эти подходы для решения фундаментальных задач. Например, впервые провели расчёты полного разложения энергии кристаллов для средних и тяжёлых элементов и изучили феномен кристаллографически независимых молекул, что важно, в частности, для создания энергоемких материалов.
Гглавный научный сотрудник Института биомедицинской химии им. В.Н. Ореховича академик РАН Владимир Поройков своё выступление посвятил применению алгоритмов искусственного интеллекта для поиска и конструирования новых лекарственных препаратов. «Если мы рассмотрим нынешнее состояние применения этих инструментов для разработки лекарств, то на сегодня есть отдельные примеры, которые достигли третьей фазы клинических испытаний, но ни один из этих кандидатов пока не одобрен регулятором», — сообщил учёный.
Он добавил, что в настоящее время в сфере создания фармпрепаратов для глубокого машинного обучения не хватает больших верифицированных выборок, а России для достижения технологического лидерства необходимо развивать собственные информационные ресурсы.
В продолжение темы своё сообщение представила профессор кафедры физической химии Химического факультета Московского государственного университета им. М.В. Ломоносова профессор РАН Мария Хренова. Она рассмотрела роль молекулярного моделирования в биомедицинских исследованиях.
Чтобы найти новое лекарство или понять, как оно действует, пояснила специалист, нужно знать, как устроен белок-мишень в трёх измерениях. Благодаря нейросетям таких структур накоплено более миллиона. Но проблема в том, что белки постоянно двигаются и изменяются, поэтому форма, необходимая для лекарства, может проявиться лишь на мгновение. С помощью методов молекулярной динамики учёные могут отследить эти движения. Однако нужны хорошие фильтры, чтобы из тысяч найденных решений выбрать оптимальные.
Завершил сессию доклад заведующего лабораторией научно-исследовательского вычислительного центра МГУ Владимира Сулимова, посвящённый суперкомпьютерному докингу для разработки лекарств. Этот метод подразумевает виртуальный поиск и оценку связывания малых молекул (лигандов) с белками-мишенями с целью отбора перспективных ингибиторов.
В этом направлении, сообщил спикер, была разработана программа нового поколения СОЛП (Структурно-Ориентированный Логический Поиск). Она в 100 раз быстрее программ предшественников и работает с лигандами, которые обладают до 25 степеней свободы. Её новшество — в уточняющем этапе моделирования на квантово-химическом уровне, который проводят после основного (классического) расчёта. Он повышает точность предсказания энергии связывания малых молекул с белками.
