Химик в мире нейросетей - Максимилиан Копылович

Максимилиан Копылович

Химик в мире нейросетей

Table of Contents

Введение: от «гармони» к «оркестру»

Попробуй сам

Глава 1. Компьютер-секретарь: мир статьи 2000 года

Попробуй сам

Глава 2. Нейросеть — наша новая знакомая

Попробуй сам

Глава 3. Почему DFT перестала быть главной надеждой

Попробуй сам

Глава 4. Библиотека в кармане: как ИИ ищет и читает за тебя

Попробуй сам

Глава 5. Экран вместо учителя?

Попробуй сам

Глава 6. Как молекула становится вектором

Попробуй сам

Глава 7. Некоторые модели: от GNoME до MatterGen

Попробуй сам

Глава 8. На стыке химии и биологии

Попробуй сам

Глава 9. Волшебство, которому решили научить машину

Попробуй сам

Глава 10. Роботы-химики

Попробуй сам

Глава 11. Когда ИИ берёт в руки инструменты

Попробуй сам

Глава 12. Призрак в спектре

Попробуй сам

Глава 13. Лабораторный дневник 2.0

Попробуй сам

Глава 14. «Нет» как признак мастерства

Попробуй сам

Глава 15. Ты — детектив, а не лаборант

Попробуй сам

Глава 16. Твой химический стартап на коленке (практикум)

Твой цифровой набор юного химика

Проект № 1: Научи машину различать спирты и альдегиды

Проект № 2: Ретросинтез-дуэль

Проект № 3: Предскажи растворимость

Заключение. Взгляд из вытяжного шкафа в 2075 год

Попробуй сам

Приложения

Приложение А. Словарик химика-кибернетика

Приложение Б. Краткий гид по инструментам

Введение: от «гармони» к «оркестру»

Три часа ночи, вытяжной шкаф гудит так, будто ему тоже не нравится результат. В колбе, где должны были сверкать прозрачные кристаллы, плещется что-то бурое и подозрительно похожее на плохой кофе. Ты всё делал по методике из статьи: температура — точь-в-точь, реактивы — свежие, растворитель — сухой (ну, ты так думал). И при этом — непонятно что, точнее, понятно — полный провал.

В такие моменты нормальный химик идёт спать и делает вид, что ничего не было, или пытается побыстрее забыть случившееся. Но ты вместо этого открываешь ноутбук и печатаешь в чат-боте примерно следующее: «Смешал то-то и то-то, получилась ерунда. Что я сделал не так?» И нейросеть, обученная на тысячах чужих провалов, через секунду выдаёт: «Похоже, ты добавил катализатор слишком быстро, и он разложился от локального перегрева. Попробуй капать шприцевым насосом и держи баню при плюс пяти. И да, кстати, растворитель лучше досуши молекулярными ситами». Меня отчитала программа. За растворитель. В три часа ночи.

Ты пробуешь снова — и наутро в колбе сверкают ровные прозрачные кристаллы. Обидно, что нейросеть оказалась права, но факт остаётся фактом: именно так сегодня выглядят «отношения» химика с искусственным интеллектом, этим довольно едким коллегой, который никогда не спит. Но давай отмотаем на четверть века назад — там всё было куда зануднее.

В 2000 году я написал статью, где пытался проанализировать роль компьютера в химической лаборатории того времени. И как вывод — компьютер химику всё же нужен! Сегодня это звучит как «вода мокрая», но тогда во многих лабораториях водился скептик, который смотрел на аспиранта с новым компьютером как на человека, купившего в лабораторию аквариум с рыбками. «Зачем нам компьютер? Мы химики, а не программисты!» Тогда я сравнил компьютер с гармошкой в деревенском ансамбле: без неё прожить можно, но с ней веселее. Умел тогда компьютер немного: рисовал красивые формулы, искал рефераты статей на CD-ROM, снимал показания с приборов, проводил предварительную обработку экспериментальных данных и считал кое-что по квантовой химии. Молчаливый писарь, архивариус, программируемый калькулятор. Никак не соавтор.

Прошло 25 лет. Сегодня, когда я пишу эту книгу, вопрос звучит иначе: не «зачем компьютеру быть в лаборатории?», а «на каком языке мы с ним разговариваем и кто кого при этом учит?». Та самая «гармонь» превратилась в целый оркестр из нейросетей, роботов и облачных сервисов. И мы с тобой попробуем разобраться, как дирижировать этим оркестром так, чтобы он не фальшивил, а ты не потерял себя как химик в мире нейросетей.

Чтобы почувствовать разницу, давай пройдём по реальному маршруту любой химической работы — от идеи до статьи. В каждой точке мы увидим не просто ускорение, а смену мышления.

Планирование синтеза: от «эврики» к промпту. Тогда ты садился с бумагой, рисовал молекулу и начинал мучительно вспоминать именные реакции, которые проходил на третьем курсе. Потом лез в толстенные тома Chemical Abstracts или вставлял диск в компьютер и ждал несколько минут, пока отобразятся рефераты. Компьютер был лишь шкафом с цифровыми карточками. Сейчас ты открываешь чат с ИИ-агентом и пишешь примерно так: «Мне нужен синтез этого пиримидинового производного. Выход не ниже 60%, колоночную хроматографию не предлагать, отсортируй по цене и токсичности». За кулисами начинается магия. Системы вроде ASKCOS или IBM RXN for Chemistry прочёсывают тысячи реакций. Они не просто ищут готовый рецепт, а разбирают твою молекулу на части и собирают обратно разными путями, используя алгоритмы с именами один звучнее другого: Monte Carlo Tree Search, Decision Transformer, сети Хопфилда. Появились даже гибриды вроде DeepRetro, где большая языковая модель советуется с традиционными движками и в итоге говорит тебе человеческим языком: «Смотри, я нашёл три пути. Первый дешёвый, но кипятить долго. Второй быстрый, но реагент редкий. Третий — через старую добрую реакцию Гриньяра, но там нужен абсолютно сухой эфир». Ты больше не тратишь недели на поиск. Ты тратишь часы на проверку. Главный навык теперь — не хранить в памяти тысячи реакций, а уметь задать правильный вопрос и вовремя сказать: «Не верю! Покажи литературный источник». Машина стала соавтором гипотезы.

Синтез: от магии к автономным лабораториям. Полвека назад химик ставил реакцию, выкручивал нагрев «на глаз», следил за цветом и каждую минуту бегал к УФ-лампе с хроматографической пластинкой. Вся магия держалась на опыте и интуиции, которые передавались от старших товарищей почти как заклинания. Сейчас автоматические реакторы подключаются к ML-моделям, которые в реальном времени командуют температурой и скоростью перемешивания. Более того, перед реальным опытом можно прогнать симуляцию процесса — «цифровой двойник» реакции. Но самое крутое — автономные лаборатории вроде AlphaFlow. Это роботизированная установка, которая ставит реакцию, смотрит, что получилось, и сама решает, что менять в следующей попытке. AlphaFlow без всякой подсказки нашла и оптимизировала некоторые многостадийные синтезы так, что они оказались лучше общепринятых прописей. Искусственный интеллект находит скрытые закономерности там, где ты бы их даже не искал. Десять раз робот получал выход 40%, а на одиннадцатый чуть изменил скорость мешалки — и получилось 65%. Оказывается, ты просто не обращал