Новую систему LAGNet обучили предсказывать поведение электронов в молекулах в два раза точнее аналогов, используя в 42 раза меньше данных. Это открытие может сделать создание лекарств быстрее и доступнее. Об этом «Хайтеку» сообщили в пресс-службе Института искусственного интеллекта AIRI.
Ученые из Института искусственного интеллекта AIRI представили LAGNet — нейросетевую систему, сочетающую квантовую химию и ИИ. Ее задача — рассчитывать электронную плотность молекул, что критически важно для фармацевтов и химиков при создании новых лекарств.
Электронная плотность описывает, как электроны распределяются вокруг атомов в молекуле. Классические методы требуют от двух часов до двух дней на расчет одной молекулы. Нейросети справляются с этим за 5–6 секунд, но для обучения им обычно нужны огромные объемы данных — около 100 ТБ для 12 миллионов молекул.
LAGNet обходит это ограничение с помощью решетки Лебедева — математического подхода, разработанного в СССР для равномерного распределения точек на сфере. Это позволяет сократить объем обучающих данных в 42 раза, а требования к хранилищу — в 8 раз. В результате достаточно не 100 ТБ, а всего 12,5 ТБ, а обучение идет в 4 раза быстрее.
По сравнению с предыдущей моделью DeepDFT, LAGNet показывает более высокую точность в работе с лекарственными молекулами, особенно содержащими серу, бром и йод — элементы, часто встречающиеся в формулах препаратов. Ошибка предсказания у новой модели вдвое ниже.
Систему также можно использовать для визуализации молекул. Графическое представление позволяет исследователям быстрее оценить характеристики соединений и выбрать наиболее перспективные из них — как аппетитные фото в меню помогают выбрать блюдо.
Пока LAGNet не работает с солями лития и белковыми препаратами вроде инсулина и семаглутида, но разработчики планируют расширить поддержку на все жизненно важные лекарства.
