ОТ ПРОБИРКИ К ИСКУССТВЕННОМУ ИНТЕЛЛЕКТУ: ЭВОЛЮЦИЯ ХИМИЧЕСКОЙ НАУКИ И ТЕХНОЛОГИИ БУДУЩЕГО
Keywords:
химическая наука, искусственный интеллект, машинное обучение, цифровая химия, химический эксперимент, компьютерное моделирование, автономная лаборатория, инновации, химические реакции, технологии будущего.Abstract
Современный этап развития химии характеризуется переходом от преимущественно экспериментального исследования веществ к интеграции эксперимента, вычислительного моделирования, анализа больших данных и искусственного интеллекта. Целью настоящего тезиса является рассмотрение изменения методов химического познания и определение роли искусственного интеллекта в формировании новых подходов к исследованию и проектированию веществ. Проанализированы современные научные публикации, посвящённые машинному обучению в химии, прогнозированию реакционной способности, автоматизации лабораторных процессов и автономному проведению химических экспериментов. Показано, что искусственный интеллект способен существенно расширить возможности химика при поиске новых соединений, прогнозировании свойств веществ и оптимизации экспериментальных условий. Вместе с тем эффективность интеллектуальных систем зависит от качества исходных данных, корректности моделей и обязательной экспериментальной проверки полученных прогнозов. Перспективным направлением является объединение искусственного интеллекта с роботизированными лабораториями, формирующими цикл «прогноз — эксперимент — анализ — новый прогноз». Сделан вывод о том, что химия будущего будет развиваться не посредством замены традиционного эксперимента, а через его интеграцию с цифровыми и интеллектуальными технологиями.
References
1. Butler K. T., Davies D. W., Cartwright H., Isayev O., Walsh A. Machine learning for molecular and materials science. Nature. 2018. Vol. 559. P. 547–555. DOI: 10.1038/s41586-018-0337-2.
2. Jorner K., Tomberg A., Bauer C. et al. Organic reactivity from mechanism to machine learning. Nature Reviews Chemistry. 2021. Vol. 5. P. 240–255. DOI: 10.1038/s41570-021-00260-x.
3. Meuwly M. Machine Learning for Chemical Reactions. Chemical Reviews. 2021. Vol. 121, No. 16. DOI: 10.1021/acs.chemrev.1c00033.
4. von Lilienfeld O. A., Müller K.-R., Tkatchenko A. Exploring chemical compound space with quantum-based machine learning. Nature Reviews Chemistry. 2020. Vol. 4. P. 347–358. DOI: 10.1038/s41570-020-0189-9.
5. Abolhasani M., Kumacheva E. The rise of self-driving labs in chemical and materials sciences. Nature Synthesis. 2023. Vol. 2. P. 483–492.
6. Boiko D. A., MacKnight R., Kline B., Gomes G. Autonomous chemical research with large language models. Nature. 2023. Vol. 624. P. 570–578. DOI: 10.1038/s41586-023-06792-0.
7. Szymanski N. J., Rendy B., Fei Y. et al. An autonomous laboratory for the accelerated synthesis of inorganic materials. Nature. 2023. Vol. 624. P. 86–91. DOI: 10.1038/s41586-023-06734-w.
8. Ren Z., Ren Z., Zhang Z. et al. Autonomous experiments using active learning and AI. Nature Reviews Materials. 2023. Vol. 8. P. 563–564.
