Российские ученые обучили ИИ находить стабильные комплексы редкоземельных элементов
Сотрудники межкафедральной лаборатории интеллектуального химического дизайна химического факультета МГУ совместно с коллегами с механико-математического факультета МГУ разработали новую модель машинного обучения для оценки стабильности комплексов редкоземельных элементов и трёхвалентных актинидов. Работа опубликована в высокорейтинговом The Journal of Chemical Physics.
Химия долгое время оставалась наукой, где успех зависел от интуиции исследователя и тысяч часов кропотливых лабораторных экспериментов. Однако на стыке дисциплин рождается новая реальность. Химики и математики МГУ создали модель машинного обучения, способную предсказывать поведение сложнейших химических соединений. Речь идет о комплексах редкоземельных элементов и трехвалентных актинидов – «капризных» веществ, работа с которыми требует колоссальных ресурсов.
Графы вместо пробирок
В основе разработки лежит графовая сверточная нейросеть. Алгоритм представляет молекулы в виде графов, где атомы – узлы, а связи – ребра. Обучив модель на новой базе данных, собранной из научных справочников, исследователи научили ИИ прогнозировать константу устойчивости комплекса. F-элементы и актиниды обладают сложной электронной структурой, а экспериментальных данных по ним исторически мало.
Главная ценность заключается в ИТ-составляющей: это не просто использование готового ИИ-сервиса, а создание специализированной архитектуры с применением высокопроизводительных вычислений. Более того, алгоритм способен оценивать комплексы с металлами, которых вообще не было в обучающей выборке. Исходный код открыт, а сам инструмент становится цифровым ситом, отсеивающим заведомо неудачные варианты до начала дорогостоящих опытов.
Стратегический щит: от гаджетов до ядерной энергетики
На первый взгляд, это сугубо фундаментальная наука. Но у открытия есть и прикладное значение. Редкоземельные металлы (РЗМ) – кровь современной электроники, постоянных магнитов, лазеров и аккумуляторов. Актиниды же напрямую связаны с радиохимией и безопасной переработкой отработанного ядерного топлива.
Для России эта разработка вписывается в стратегию технологического суверенитета. Нацпроект «Новые материалы и химия» ставит амбициозную цель: к 2030 году критически снизить зависимость от импорта редких металлов. ИИ-модель МГУ позволяет ускорить поиск селективных соединений для разделения РЗМ, удешевляя создание отечественных высокотехнологичных производств. Помимо снижения импорта, у направления есть и экспортный потенциал: в среднесрочной перспективе речь может идти о поставках российского научного ПО и платформ компьютерного материаловедения.
Глобальный контекст и рождение российской школы
Мировая наука движется в том же направлении. В 2023 году продукт Google DeepMind (GNoME) предсказал 2,2 млн новых кристаллических структур, доказав, что ИИ становится главным инструментом первичного скрининга. Но если западные решения часто ориентированы на массовые базы данных, российская работа точечно закрывает дефицитные ниши.
МГУ последовательно выстраивает собственную школу на стыке радиохимии и Data Science. Еще в 2022 году здесь применили трансферное обучение для работы с малыми датасетами. В 2024 году совместно с МГТУ им. Баумана был создан удобный ИИ-сервис для материаловедов без навыков программирования. А в 2025 году фокус сместился на прогнозирование свойств 5f-элементов по рентгеновским данным. Это формирует уникальный набор новых компетенций.
Цепочка технологического суверенитета
В планах ученых – экспериментальная проверка предсказаний ИИ и расширение классов соединений. Но глобальная цель куда масштабнее. Ценность разработки не в самом факте существования нейросети, а в ее интеграции в единую цифровую платформу. Идеальная цепочка выглядит так: сбор данных → компьютерное моделирование → ИИ-скрининг → точечный лабораторный эксперимент → промышленная технология.
Если Россия сможет выстроить этот замкнутый цикл, опираясь на собственное научное ПО, мы получим не просто отдельные алгоритмы, а полноценный фундамент для прорыва в материаловедении и радиохимии.
