Система, построенная на базе алгоритмов искусственного интеллекта, может стать абсолютным химическим инструментом. Программное обеспечение способно быстро предсказать свойства молекул, исходя из их теоретических структур. Очевидно, что это могло бы содействовать химикам в компьютерном «конструировании» молекул.

Наше понимание физики макроскопического мира зашло настолько далеко, что абсолютно всё, начиная с мостов и заканчивая самолетами, может быть смоделировано и протестировано на компьютерах. Нам совершенно нет никакой необходимости изготавливать реальные образцы для каждого из предложенных решений только для того, чтобы понять, работает ли оно. Другое дело — микроскопические молекулы.

Основной преградой для широкого использования компьютерного дизайна в химии является уравнение Шрёдингера. В теории его решение могло бы дать численное распределение значений вероятностей нахождения электронов и атомов, что в свою очередь привело бы к установлению основных химических и физических свойств.

К сожалению, сложность решения уравнения возрастает так быстро, что точное решение существует только для самых простых систем — классического атома водорода (один протон, один электрон) и молекулы водорода (два протона, два электрона).

Рис. 1. Природные ингибиторы протеин-протеиного взаимодействия; моделирование, изучение механизма ингибирования (иллюстрация Thorsten Berg / Bioorganic & Medical Chemistry Letters).

Это исключает возможность точного предсказания свойств больших молекул, что необходимо для инжиниринга и медицины. Вот почему группа учёных из Аргоннской национальной лаборатории (США) попросту обошла это дьявольское уравнение, обратившись к теории вычислительных машин и систем.

Самообучение вычислительных машин довольно широко используется для нахождения закономерностей в больших объёмах данных со сложными скрытыми правилами, включая анализ рынка ценных бумаг, экологию и т. п. Алгоритму скармливают известные примеры, и компьютер, используя их, пытается предсказать некоторый результат.

Учёные постарались сфокусироваться на самом основном свойстве молекул — энергии атомизации, составив базу данных по 7 165 молекулам с известными структурами и энергиями атомизации. Компьютеру позволили использовать только 1 000 из них для идентификации структурных особенностей, на основании которых можно было бы предсказать энергии атомизации.

Когда затем исследователи протестировали получившийся алгоритм на оставшихся 6 165 молекулах, оказалось, что компьютер смог предсказать энергии атомизации с точностью до 1% от уже известного значения. Этот результат сравним с точностью, которую обеспечивают математические аппроксимации уравнения Шрёдингера, требующие куда более долгих и сложных расчётов. Предложенный алгоритм находит решения за миллисекунды, на что у более ранних методов уходят часы.

Пример алгоритма, подробно описанный в журнале Physical Review Letters, — пока лишь демонстрация принципа, подтверждение предложенной концепции. Если он научится предсказывать что-то ещё (например, насколько хорошо некая молекула связывается с ферментом), то тогда эта вычислительная система могла бы помочь в разработке дизайна новых лекарственных средств (направленная селективная терапия), топливных ячеек или биосенсоров. По сути, спектр возможного применения настолько широк, насколько широка сама химия.