Платформа цифровой химии на базе искусственного интеллекта. Генерация молекул, оптимизация рецептур и разработка новых материалов
Химия долго оставалась одной из тех областей, где даже самые мощные компьютеры не могли заменить лабораторные эксперименты. Между идеей нового материала и его появлением проходили годы исследований, сотни дорогостоящих испытаний и множество неудачных попыток.
Проблема стала отправной точкой для создания AiNeuroChem — платформы цифровой химии, разработанной одноимённой компанией под руководством Екатерины Корнюшиной, которая является технологическим партнёром НооСофт.
Она помогает выйти за пределы привычного уклада — ещё до того, как вещество будет синтезировано.
AiNeuroChem — не концепт и не экспериментальный прототип. Система уже функциональна и используется в прикладных сценариях.
Искусственный интеллект в химии. Какие задачи решает цифровая лаборатория?
Создание сложных химических составов — это всегда поиск в условиях неопределённости. Здесь не существует готового ответа. Необходимо каждый раз подбирать комбинацию компонентов, определять их свойства и находить решение, которое будет соответствовать требованиям.
Обычно этот процесс выглядит как последовательный цикл: формулируется цель, подбираются ингредиенты, проводятся испытания, анализируются результаты и вносятся корректировки. После этого всё начинается заново.
Количество комбинаций может быть огромным. Проверить каждую в лаборатории, конечно, можно. Но всё упирается в вечную дилемму «Время и деньги».
Дополнительная сложность — объём накопленных данных. Исследователю необходимо учитывать результаты предыдущих экспериментов, научные публикации и множество других параметров. Чем сложнее задача, тем выше риск потратить время на направления, которые в итоге не приведут ни к чему.
ИИ трансформирует подход. Вместо того чтобы последовательно вручную проверять все варианты, теперь их можно сначала смоделировать.
Но как это выглядит на практике?
Кейс AiNeuroChem: как ИИ значительно сократил разработку химического материала
Один из первых практических кейсов применения AiNeuroChem показал, как сильно изменится привычная разработка химических решений.
Команда работала над созданием нового депрессорного компонента — вещества для улучшения эксплуатационных характеристик материалов.
До применения ИИ-технологий компания несколько лет вела разработку в классическом формате:
- формировались составы;
- проводились лабораторные синтезы;
- выполнялись испытания полученных образцов;
- специалисты анализировали результаты и возвращались к корректировке рецептуры.
С помощью AiNeuroChem часть этапов удалось перенести в цифровую среду. Платформа сгенерировала возможные варианты молекул, оценила их характеристики и помогла выбрать наиболее перспективные решения для дальнейшей проверки.
Как появилась платформа цифровой химии AiNeuroChem
Идея создания AiNeuroChem появилась из практического запроса со стороны группы компаний, работающей в химической области более 30 лет в отрасли. За это время они накопили большой опыт, но столкнулись с классической проблемой индустрии: нужно всё больше времени, ресурсов и экспериментов.
Их цель заключалась в необходимости совершенствовать существующие рецептуры — улучшать их характеристики и адаптировать под конкретные условия производства.
Перед AiNeuroChem поставили задачу: создать инструмент, который поможет сократить цикл разработки, ускорить поиск перспективных молекул и сделать работу более предсказуемой.
В итоге платформа создавалась как полноценная цифровая среда для химиков. Она объединила несколько направлений:
- поиск молекул с определенными свойствами;
- оптимизацию существующих составов;
- прогнозирование характеристик материалов до проведения экспериментов;
- обработку больших массивов научных данных;
- взаимодействие специалистов разных профилей в едином пространстве.
Что такое цифровые химия и материаловедение: как ИИ помогает создавать новые материалы
Цифровая химия — это направление на стыке химии, математического моделирования и искусственного интеллекта.
В AiNeuroChem этот подход реализован через набор профильных инструментов.
Генерация молекул с помощью искусственного интеллекта
Создание нового вещества традиционно связано с поиском и многочисленными проверками. Химику необходимо подобрать состав, оценить его свойства, проанализировать результаты и при необходимости снова вернуться к началу — изменить формулу и повторить цикл.
В AiNeuroChem процесс начинается с формулирования задания и указания параметров будущего материала, например, — температуры вспышки, растворимости, октанового числа, вязкости, износостойкости и других характеристик.
На основе требований формируются варианты молекул. Обычно предлагается от 10 до 15 структур.
Каждая молекула получает собственную оценку и ранжируется по степени соответствия цели. В итоге исследователь получает набор соединений, наиболее перспективных для экспериментальной проверки.
Оптимизация молекул с помощью SMILES и ИИ-моделей
Иногда вообще не нужно создавать вещество с нуля. Уже есть молекула, которую необходимо улучшить или адаптировать под определённые характеристики.
Для этого в AiNeuroChem используется формат SMILES (Simplified Molecular Input Line Entry System) — международный способ записи химической структуры в цифровом виде.
Специалист загружает исходную молекулу, после чего система интерпретирует её и предлагает модификации. Каждая из них ранжируется по степени соответствия параметрам.
Так формируется набор вариантов, которые рассматриваются для дальнейшего синтеза.
Оптимизация химических рецептур с помощью ИИ
Во многих случаях задача заключается в улучшении уже существующей рецептуры.
Любой состав представляет собой комбинацию компонентов, каждый из которых влияет на итоговые характеристики продукта. Например, в фармацевтике это действующее вещество и вспомогательные элементы. В промышленной химии — базовый набор и различные добавки.
В AiNeuroChem можно загрузить текущую рецептуру и описать желаемые свойства: например, повысить термостойкость полимерного покрытия до 200°C или снизить вязкость для нанесения при низких температурах.
После этого платформа анализирует формулу с помощью ИИ и выдаёт варианты оптимизации. Химик получает рекомендации по изменению рецептуры и выбирает наиболее перспективные решения для дальнейшей проверки.
Архитектура AiNeuroChem. Из чего состоит платформа цифровой химии?
AiNeuroChem построена как комплексная цифровая среда. В основе — три взаимосвязанных модуля.
Модуль 1. Химическое ядро
Химическое ядро — это главных вычислительный модуль. Здесь разбираются молекулы, рассчитываются их свойства и генерируются структуры.
Сегодня в AiNeuroChem используется 83 модели и более 30 видов технологий, охватывающих широкий спектр методов — от математических расчётов до квантово-химического моделирования.
Универсального алгоритма, который одинаково точно прогнозировал бы все свойства, не существует. Для отдельной характеристики применяется свой подход к расчёту. По используемым метрикам точность составляет от 87 до 95%.
Модуль 2. Единое пространство коммуникации для химиков
Разработка новых материалов редко укладывается в зону ответственности одного человека. Над одной задачей трудятся разные специалисты. Каждый оценивает материал в рамках своей специализации: технолог с точки зрения производства и применения, исследователь — с позиции свойств и потенциальных соотношений, лаборант отвечает за проведение эксперимента и точность полученных данных.
В этом процессе есть много общего с ИТ. Один человек одновременно не отвечает за backend, frontend и инфраструктуру. Результат появляется на стыке разных компетенций.
В химии тот же принцип. У участников проекта своя зона ответственности, но итог зависит от того, насколько хорошо они согласованы между собой.
Долгое время такой связки не хватало. Один сотрудник мог вести расчёты, другой — проводить эксперименты, третий — фиксировать показатели в лабораторном журнале. Информация хранилась разрозненно в файлах, а часть могла оставаться только в рабочих записях конкретного человека. Чтобы восстановить ход проекта, иногда приходилось собирать его историю по фрагментам.
AiNeuroChem объединяет этот процесс в одном пространстве. Любой участник может продолжить с той точки, на которой остановился предыдущий, не начиная заново. Команда в целом понимает, какие гипотезы уже проверены и к чему они привели.
Получается единая цепочка: идея, расчёт, эксперимент, результат и следующая гипотеза остаются внутри одного проекта.
Модуль 3. Мультиагентная система AI-ассистентов
AiNeuroChem поддерживает несколько языков: русский, английский и китайский, что позволяет интегрировать её в международных проектах.
AiNeuroChem использует мультиагентный подход, который упрощает работу со сложными данными.
Для химических работ одного языкового AI недостаточно. Иногда необходимо комбинировать молекулярные структуры, прогнозные модели, научную литературу, отраслевые базы знаний и результаты предыдущих исследований.
Каждый агент в AiNeuroChem отвечает за своё направление. Один обращается к химическому ядру, другой к научной информации, третий к профильным источникам.
Связывает их управляющий слой — оркестратор. Он распределяет запросы между компонентами, сохраняет контекст и определяет последовательность действий.
Например, специалист формулирует запрос обычным языком: найти перспективный вариант материала с определёнными характеристиками. Система определяет необходимые этапы — от обращения к хранилищу данных и генерации предполагаемых решений до расчёта свойств и анализа результатов.
Особенность мультиагентного подхода заключается в том, что ассистенты могут взаимодействовать между собой. Они способны сопоставлять свои выводы, проверять решения, дополнять друг друга, подобно коллегам с разными компетенциями, и даже спорить.
Перед запуском была проведена многоэтапная проверка совместно с представителями отрасли. Химики оценивали ответы ИИ, ставили задачи, верифицировали полученные данные и помогали дорабатывать платформу.
Как ИИ понимает химию
Обычная LLM умеет обрабатывать текст и большие объёмы общей информации.
Но химия — это отдельный язык со своими правилами. Недостаточно понимать обычные слова. Необходимо учитывать химические формулы, семантику, структурные обозначения, таблицы, графики, диаграммы и спектры.
Поэтому в AiNeuroChem было создана собственная система управление знаниями. Она включает векторные базы, отраслевые БД и AI-ассистентов.
Векторное представление переводит большой объём информации в формат для ИИ. Система классифицирует материалы, выделяет смысловые связи и сохраняет их таким образом, чтобы AI-помощник мог быстро находить нужные сведения при ответе на запрос.
Как ИИ адаптируется под разные направления химической промышленности
Химическая отрасль состоит из множества направлений с собственной спецификой. Компетенции, которые важны для нефтехимии, неактуальны для фармацевтики или производства полимеров. Даже одинаковые термины в разных областях могут иметь свой контекст.
AiNeuroChem не использует универсальную модель без дополнительной настройки. Для каждой отрасли формируется собственный массив, который даёт искусственному интеллекту глубокое понимание определённых сфер.
Для этого загружаются авторитетные источники: профильные книги, научные публикации и другие материалы, которые специалисты считают наиболее ценными. Как правило, для каждого направления существует ограниченный набор фундаментальных трудов.
Например, для агрохимии важны вопросы, связанные с составом удобрений, взаимодействием действующих веществ с почвой и растениями и эффективностью различных формуляций. В нефтехимии на первый план выходят свойства сырья, процессы переработки, катализаторы, присадки и поведение при разных режимах давления и температуры. Для производителей полимеров принципиально важны механизмы полимеризации, свойства различных полимерных материалов и то, как добавки меняют их прочность, эластичность или термостойкость.
Архитектура AiNeuroChem способна адаптироваться к различным предметным областям в зависимости от настройки.
После загрузки материалов система распознаёт текст, таблицы, графики и другие элементы документов, выделяет смысловые сочетания и формирует векторную базу знаний.
В результате AI-ассистент получает не просто способность отвечать на общие вопросы, а понимать отраслевой контекст и учитывать специфику.
Научная и технологическая база AiNeuroChem
Платформа AiNeuroChem создается не только силами собственной команды, но и при участии консультантов из разных областей, постепенно объединяя собственные решения с уже существующими передовыми технологиями.
Научная часть AiNeuroChem опирается, в том числе, на экспертизу Артёма Александровича Митрофанова к.х.н., заведующего лабораторией интеллектуального химического дизайна, Химического факультета Московского государственного университета, специалиста в области цифровых материалов и применения ИИ в химических исследованиях.
Одна из уникальных особенностей — ускорение квантово-химических расчётов с помощью методов машинного обучения. Такой подход позволяет сокращать вычислительные затраты при моделировании свойств сложных материалов и применять расчёты к более широкому кругу задач. Направление развивается в рамках работы с командой Александра Васильевича Шапеева — руководитель ООО "Цифровые материалы", руководитель лаборатории методов искусственного интеллекта для разработки материалов, Сколковский институт науки и технологий (Сколтех).
Расчёты выполняются через API с доступом к квантовой вычислительной инфраструктуре Это не «модная» демонстрация технологий, а дополнительный инструмент там, где традиционных подходов недостаточно.
Ещё одно направление — эволюционные алгоритмы и расчёт кристаллических структур. Здесь AiNeuroChem обсуждает сотрудничество с командой доктора физико-математических наук, профессора РАН Артёма Ромаевича Оганова, развивающей аналитические инструменты для поиска и анализа новых структур, применимых к исследованию неорганических материалов.
Отдельный блок посвящён полимерам. В этом направлении AiNeuroChem работает со специалистами Московского государственного технического университета имени Н. Э. Баумана. Один из важных ресурсов — база данных по полимерным материалам, которая включает около миллиона записей о свойствах и структуре.
Для управления таким количеством информации применяются цифровые описания — дескрипторы. Они преобразуют характеристики и структуру полимеров в удобный формат. Специалисты разрабатывают инструменты для цифрового представления полимеров.
Ещё один перспективный блок AiNeuroChem — металлоорганические каркасы, или MOF-структуры. Благодаря настраиваемой структуре они подходят для многих задач, в том числе для фильтрации и хранения веществ.
Технологическая база AiNeuroChem складывается не вокруг одной универсальной технологии. В ней соединяются доступы к разным инструментам и научным подходам.
Применение цифровой химии в промышленности
AiNeuroChem ориентирована прежде всего на крупные промышленные компании и НИИ, для которых создание материалов и составов требует множества экспериментов, значительных затрат и работы с массивами узкоспециализированных данных.
Платформа полезна как цифровая среда для исследований, анализа научных трудов и применения современных методов моделирования.
Промышленные компании
В нефтехимии система может использоваться для поиска присадок, анализа свойств компонентов и оптимизации под точечные характеристики топлива или других продуктов.
В производстве полимеров одна из ключевых задач — найти сочетание компонентов и условий, при котором материал получит нужные свойства. Здесь AiNeuroChem позволяет анализировать большие объёмы данных о полимерах и применяет их при поиске решений.
В агрохимии областью интересов могут быть соединения и составы антислеживателей и других веществ с уникальными свойствами. Решение помогает оценить варианты ещё на этапе предварительного отбора.
В строительной химии речь идёт об адаптации под эксплуатационные требования, например, по прочности, устойчивости или другим характеристикам материала.
В косметической химии AiNeuroChem применяется при разработке формул активных компонентов, эмульсий и уходовых средств. Здесь важны как эффективность действующих веществ, так и их стабильность, растворимость, совместимость и поведение в сложных многокомпонентных структурах.
При этом перечень отраслей не ограничивается несколькими направлениями. Её можно настраивать под необходимую предметную область.
Научные организации и исследовательские центры
У платформы есть и другая сторона — научная. AiNeuroChem представлен в университетах и НИИ для работы с экспериментальными данными, проверки гипотез и создания собственных моделей.
Команды могут загружать свои наборы данных и подключать нишевые знания для решения отдельных научных задач.
Здесь особенно важно соединить два мира, которые часто существуют параллельно: фундаментальные исследования и практические потребности промышленности. Результаты, полученные в научной среде, могут быстрее находить применение в реальных проектах, а запросы бизнеса — становиться основой для открытий.
Именно на этом пересечении цифровая химия начинает жить не как самостоятельный ИТ-инструмент, а как часть самого процесса создания и совершенствования материалов.
Как внедрить AiNeuroChem
AiNeuroChem разработана как модульная цифровая платформа, которая адаптируется под конкретную компанию. Организации не обязательно сразу внедрять весь комплекс: можно начать с одного функционального блока, а затем расширять решение по мере появления потребностей.
Формат внедрения зависит от потребностей компании и объёма необходимой кастомизации.
Лицензирование и развёртывание в закрытом контуре
Для крупных промышленных компаний AiNeuroChem разворачивается внутри корпоративной инфраструктуры — в закрытом контуре.
Формат работает с внутренними данными без передачи их во внешний мир. Система может интегрироваться в существующую цифровую инфраструктуру компании и использоваться в производственных процессах.
Для корпоративного внедрения также предусматривается техническая поддержка и SLA — с учётом требований заказчика.
Отдельные модули и кастомные решения
Микросервисная архитектура AiNeuroChem позволяет внедрять не только всю платформу целиком, но и модули. Например, для:
- генерации и анализа молекул;
- оптимизации химических рецептур;
- прогнозирования свойств материалов;
- создания специализированных AI-инструментов.
Если стандартных функций недостаточно, команда адаптирует решение под производство, материал, набор параметров или процесс.
AI-ассистенты для исследовательских задач
Отдельное направление — создание предметно-ориентированных AI-ассистентов. Они могут:
- искать и изучать научную литературу;
- находить релевантные исследования;
- систематизировать большие массивы данных;
- готовить информацию для экспертного обсуждения.
Например, для компании можно создать помощника, который собирает сведения из научных источников, сопоставляет направления и помогает оценивать перспективность новых проектов.
Если эффект положительный, рассматривается подключение дополнительных расширений AiNeuroChem.
Такой формат особенно актуален для крупных промышленных и научно-исследовательских организаций.
Будущее цифровой химии — развитие AiNeuroChem и новые возможности ИИ
Первая версия AiNeuroChem была представлена в конце 2025 года как концепт с несколькими моделями. С тех пор платформа значительно расширила функциональность. В 2026 году будет выпущена новая версия системы, релиз будет объявлен дополнительно.
Следующий этап развития AiNeuroChem связан с расширением самого пространства цифровой химии. Система постепенно движется к более комплексному сопровождению разработки материалов и продуктов.
Первое направление — расширение набора прогнозируемых свойств. Чем больше характеристик оценивается на этапе гипотез, тем полнее прогноз характеристик материала ещё до его появления в лаборатории.
Следующий шаг — учитывать не только свойства вещества, но и экономику его производства. В AiNeuroChem планируется экономический модуль, который будет сопоставлять стоимость компонентов, их доступность и характеристики получаемого материала. Тогда выбор будет осуществляться не только по принципу «лучшие свойства», но и с учётом того, насколько решение оправдано в реальном производстве.
Платформа развивается в сторону технологического моделирования. В перспективе она сможет учитывать параметры производственного процесса, оборудования и искать способы для его оптимизации.
Здесь появляется следующий уровень — цифровые двойники реальных объектов и процессов, которые позволяют анализировать их поведение в виртуальной среде.
Параллельно AiNeuroChem будет расширять отраслевые сценарии.
Меняется и сам способ взаимодействия с программой. Интерфейс создаётся с учётом опыта команд химиков, чтобы сложные вычислительные функции оставались понятными специалистам с разным профилем.
AiNeuroChem стремится интегрировать несколько уровней и исследовать их до внедрения в реальное производство.
Цифровая химия уже становится частью инфраструктуры промышленности. Но у каждой компании — собственный набор материалов, данных и задач. НооСофт готов обсудить, как AiNeuroChem адаптировать под конкретный контур и бизнес.
