Химик в мире нейросетей - Максимилиан Копылович

она оптимизирует процессы в рамках заданных тобой ограничений. Но выбор самих ограничений — за тобой. Именно ты решаешь, какое правило поставить под сомнение.

И наконец, главное. Детектив раскрывает преступление, которое уже совершено. А химик будущего — это ещё и автор. Ты не просто ищешь ответы на существующие вопросы, ты придумываешь новые миры. Ты говоришь: «А пусть этот материал будет гибким, как резина, но проводит электричество». Ты формулируешь мечту — и команда ИИ-агентов (один генерирует структуру, второй предсказывает свойства, третий планирует синтез) пытается её воплотить. Ты задаёшь направление. Ты — писатель, а нейросеть — твой литературный редактор с фотографической памятью. Это совершенно иной тип деятельности, чем работа лаборанта. Лаборант выполняет инструкцию. Детектив задаёт вопрос и ищет улики. Автор создаёт реальность. По мере того как рутина автоматизируется, у тебя освобождается время именно для создания новой реальности. И это самая захватывающая перспектива.

Попробуй сам

Почувствуй себя детективом прямо сейчас. Возьми простую химическую задачу, например: «Почему при бромировании толуола на свету получается бензилбромид, а в присутствии катализатора — смесь орто- и пара-бромтолуола?». Не ищи ответ в учебнике. Вместо этого задай вопрос нейросети.

Потом спроси: «А есть ли исключения?».

Затем: «Как экспериментально доказать, что механизм именно радикальный?».

И следом: «Предложи эксперимент, который мог бы подтвердить или опровергнуть твою гипотезу».

Ты увидишь, как от простого «что» ты переходишь к «почему» и «как проверить». Именно так мыслит учёный. И именно так — в диалоге с умной машиной — ты учишься главному: не просто знать ответы, а уметь их искать.

 

Глава 16. Твой химический стартап на коленке (практикум)

Вот мы и добрались до самой важной главы. Всё, что было до неё, — теория, история, философия, предупреждения. А теперь ты закатаешь рукава и попробуешь сам. Прямо сейчас. Без специального образования, без суперкомпьютера, без софта за миллион. У тебя есть ноутбук, интернет и голова на плечах. Этого достаточно, чтобы почувствовать себя химиком будущего. И это не метафора. Давай соберём твой первый химический стартап на коленке.

Твой цифровой набор юного химика

Когда-то юным химикам дарили коробку с пробирками, горелкой и реактивами. Сегодня к этому набору добавился ещё один — виртуальный. Он не пахнет эфиром, но способен на то, о чём старые наборы не могли и мечтать. Вот опись твоего цифрового ящика:

IBM RXN for Chemistry (rxn.res.ibm.com): Твой личный планировщик синтеза на основе искусственного интеллекта. Работает прямо в браузере, бесплатно после регистрации. Нарисуй молекулу — и получи предсказание, как её синтезировать из коммерчески доступных реагентов. IBM RXN — это инструкция к твоему конструктору, написанная нейросетью. Если хочешь увидеть, как машина «думает» над ретросинтезом, — тебе сюда.

ASKCOS (askcos.mit.edu): Ещё один бесплатный инструмент от MIT. Умеет не только в ретросинтез, но и в предсказание условий реакции, растворимости и даже оценку стоимости маршрута. Если IBM RXN — это быстрый советчик, то ASKCOS — дотошный эксперт, который показывает несколько вариантов и позволяет копаться в настройках. Попробуй одну и ту же молекулу в обеих системах и сравни советы — отличная тренировка детективного мышления.

Редакторы формул (бесплатные и открытые): ChemDraw — легенда, но он платный. К счастью, есть отличные альтернативы: MarvinSketch от ChemAxon (бесплатный для академического использования), BIOVIA Draw, Ketcher (открытый редактор, встроенный во многие онлайн-платформы). А ещё можно просто использовать встроенные веб-редакторы. Рисование молекул — это первый шаг к тому, чтобы твоя идея стала понятна машине.

AlphaFold Server (alphafoldserver.com): Если тебе интересна биохимия, ты можешь прямо сейчас предсказать трёхмерную структуру белка или его комплекса по аминокислотной последовательности. Бесплатно, через веб-интерфейс. Это та самая технология, за которую дали Нобелевскую премию 2024 года.

Онлайн-симуляции и виртуальные лаборатории:

PhET Interactive Simulations (phet.colorado.edu) — симуляции по химии и физике; можно смешивать растворы, наблюдать за молекулами, менять температуру и давление.

ChemCollective (chemcollective.org) — виртуальная лаборатория, где можно проводить титрование, смешивать реагенты и анализировать результаты.

WebMO Demo (webmo.net/demo/) — если хочешь прощупать квантовую химию, не устанавливая тяжеловесных программ; запусти простейший расчёт и посмотри, как выглядит молекулярная орбиталь.

Инструменты для машинного обучения:

Teachable Machine от Google — бесплатный сервис, позволяющий обучать простые нейросети на картинках без единой строчки кода.

Python + RDKit + scikit-learn — набор для тех, кто хочет пойти дальше и построить настоящую предсказательную модель.

Проект № 1: Научи машину различать спирты и альдегиды

Цель: Построить классификатор, отличающий спирты от альдегидов по структурным формулам.

Оборудование: Любой редактор формул (например, Ketcher), сервис Teachable Machine, доступ в интернет.

Методика:

Нарисуй в редакторе 20–30 структурных формул спиртов (разных: первичные, вторичные, третичные, ароматические) и 20–30 альдегидов (алифатические, ароматические). Сохрани их как изображения PNG.

Зайди на Teachable Machine, создай проект «Изображения», добавь два класса — «Спирты» и «Альдегиды».

Загрузи картинки в соответствующие классы. Нажми «Обучить модель». Через минуту классификатор готов.

Проверь модель на новых формулах, которых не было в обучении. Где она ошибается? Может, не узнала вторичный спирт, потому что в выборке были только первичные? Или перепутала бензальдегид с ароматическим спиртом?

Обсуждение результатов: Ты в миниатюре повторил то, что делают большие химические нейросети: классификацию молекул. Ты увидишь, где модель ошибается, и задумаешься, почему. Качество и разнообразие данных решают всё — это главный урок проекта.

Примечание: Если хочешь усложнить эксперимент, добавь третий класс — «Кетоны» — и проверь, насколько модель способна различать изомерные функциональные группы.

Проект № 2: Ретросинтез-дуэль

Цель: Сравнить предсказания двух ретросинтетических систем и выбрать оптимальный маршрут синтеза.

Оборудование: IBM RXN, ASKCOS, любой текстовый редактор для записей.

Методика:

Нарисуй в обеих системах одну и ту же молекулу — например, аспирин или ибупрофен. Запусти предсказание ретросинтеза.

Для каждого маршрута выпиши: количество стадий, наличие опасных реагентов (концентрированные кислоты, цианиды), примерную доступность исходных веществ, максимальную температуру.

Сравни маршруты. Где системы сошлись во мнении? Где разошлись? Какой маршрут ты выберешь, если у тебя в лаборатории нет вытяжного шкафа и доступа к дорогим катализаторам?

Обсуждение результатов: Два независимых «свидетеля» надёжнее одного. Это тренировка детективного мышления. Заодно ты вживую видишь, как работают поиск по дереву (MCTS) и трансформеры.

Проект № 3: Предскажи растворимость

Цель: Построить модель машинного обучения, предсказывающую растворимость органических молекул в воде.

Оборудование: Python 3.x, библиотеки rdkit, scikit-learn, pandas, matplotlib. Датасет ESOL (Delaney solubility dataset) — находится в открытом доступе.

Методика:

Загрузи датасет ESOL: более тысячи молекул в формате SMILES и их экспериментальная растворимость (log S).

С помощью