Ученые Центра компетенций НТИ «Цифровое материаловедение» МГТУ им. Н.Э. Баумана и химического факультета МГУ разрабатывают сервис для прогнозирования свойств создаваемых новых материалов при помощи графовых нейронных сетей.
Об этом INFOX.ru рассказали в Фонде НТИ. Продукт представляет собой научное программное обеспечение для материаловедов, объединяющее модели машинного обучения и пользовательский интерфейс. Сервис позволит ученым и инженерам, занимающимся разработкой новых материалов, но не обладающих навыками в области программирования или Data Science, использовать преимущество методов искусственного интеллекта для прогнозирования свойств материалов, объяснил заведующий лабораторией Интеллектуального химического дизайна химического факультета МГУ Артем Митрофанов.
«На текущий момент разработка новых материалов во многом основана на методе проб и ошибок, где процент успеха опирается на опыт исследователя. Из-за этого исследования подвержены “эффекту фонаря”, то есть в основном направлены на модернизацию существующих и хорошо зарекомендовавших себя материалов, где можно минимизировать затраты на проверку гипотез. Однако это приводит к заметному ограничению области поиска, в которой могут скрываться перспективные вещества», — объяснил эксперт.
По его словам, методы машинного обучения при разработке новых материалов будут выступать в роли «предварительного оценщика» свойств материалов на этапе прогнозирования рисков при выборе направления исследований.
Графовые нейронные сети, внедренные в сервис, используются для обработки сложных связей между объектами. Данные в них представлены в виде вершин (узлов) и ребер (связей между узлами). К ним относятся, в том числе данные пользователей социальных сетей, онлайн-магазинов или потоковых музыкальных сервисов, где алгоритм анализирует связь различных пользователей, например, схожесть их музыкальных вкусов, и старается предложить наиболее релевантные рекомендации.
«Если перейти к химии, то окажется, что кристаллическая или молекулярная структура материалов также естественным образом представимы в виде графа, где вершины соответствуют атомам, а ребра – химическим связям. Поэтому графовые нейронные сети могут быть использованы и для моделирования таких структур и “предсказания” свойств материала по известной структуре», — сказал Митрофанов.
По его словам, основное преимущество использования нейросетей для дизайна новых материалов — это кратное сокращение времени работы. В рамках создаваемого проекта, планируется заменить, например, квантово-химические расчеты, требующие десятки часов, на оценки, полученные с помощью моделей машинного обучения, которые займут секунды и потребуют использования менее мощных серверов, добавил эксперт.
