Искусственный интеллект для химии и материаловедения

«Бензин как был 95-й, 92-й, так и остался. Но с бензинами тут действительно есть стандарты, определенные категории. Может быть, это не настолько вариативно, но если говорить про смазки, пластики и прочее, то там уже вариативность огромная. Опять-таки все идет к полной кастомизации мира. Конструкционные пластики нужны под самые разные ситуации, с разными механическими свойствами. И это огромная вариативность, ведь создание такого пластика может занять годы. Наша цель – ускорить процесс минимум на порядок», — Михаил Корольков, Руководитель центра цифровых технологий, ПАО «Газпром нефть».

«Когда у меня спрашивают, возможно ли бороться с нашими друзьями – США и Китаем, – которые в ИИ вкладывают больше ресурсов, я всегда говорю, что надо максимально объединяться», — Алексей Шпильман, Директор центра AI для науки, ПАО Сбербанк.

«Мы видим проблему: чат-боты что-то для нашей химии делают плохо. И здесь мы видим как раз те задачи, где ребята могут помочь», — Екатерина Скорб, Директор, Научно-образовательный центр инфохимии, Университет ИТМО.

«Нобелевская премия этого года была вручена за возможности ускорения разработки лекарств и поиска новых молекул до 4 лет – рекордное время. Для молодых ребят, которые это видят, это большой стимул. Химия перспективна с точки зрения развития индустрии и с точки зрения образования. Но нам не всегда удается получить у себя тех специалистов, которые нужны. При создании новых материалов обычно используются те сложные системы, которые до сих пор много лет делают вручную. Здесь знания еще не потеряны и есть специалисты. При этом чем быстрее мы оцифруем эти знания и будем ими пользоваться с помощью ИИ, тем лучше», — Екатерина Скорб, Директор, Научно-образовательный центр инфохимии, Университет ИТМО.

«Почему мы любим физически обоснованные модели? Потому что мы их понимаем. И даже когда они дают какой-то неправильный результат, мы можем разобраться, почему так произошло и что в них нужно подкрутить. Именно поэтому методы машинного обучения, которые стали развиваться в последние полтора десятка лет, довольно тяжело заходили в биотех, потому что они интерпретируемостью не обладают. Нейросеть выдала результат, но мы не знаем, правильный он или нет», — Павел Яковлев, Заместитель генерального директора по ранней разработке и исследованиям биотехнологической компании, BIOCAD.

«Какие-то методы, которые были похожи на то, чем в итоге стал „Альфа-Фолд“, были и за несколько лет до „Альфа-Фолда“. Но одна из важных вещей, которую „Альфа-Фолд“ принес, это то, что он может сам себя критиковать. Появилась метрика, которая показывает, насколько алгоритм сам уверен в тех предсказаниях, которые он делает. Более того, эта метрика имеет некоторую интерпретируемость, и можно понять, почему он в этом уверен или не уверен», — Павел Яковлев, Заместитель генерального директора по ранней разработке и исследованиям биотехнологической компании, BIOCAD.

«Генеративные модели помогут восполнить отсутствие данных в отдельных задачах», — Михаил Корольков, Руководитель центра цифровых технологий, ПАО «Газпром нефть».

«Лучше такие рутинные эксперименты отдавать в автоматизированные лаборатории», — Екатерина Скорб, Директор, Научно-образовательный центр инфохимии, Университет ИТМО.