Обзор в Chemical Society Reviews прослеживает путь от анализа литературы и измерений до планирования синтеза и экспериментальной проверки прогнозов. Авторы показали, на каких этапах химического исследования методы ИИ дают измеримую пользу, как оценивать их надёжность и почему высокий результат на тестовом наборе данных не всегда переносится в лабораторию.
Исследователи Центра искусственного интеллекта Сколтеха совместно с коллегами из Института органической химии им. Н. Д. Зелинского РАН, Университета ИТМО и других научных организаций опубликовали обзор в Chemical Society Reviews — одном из ведущих международных журналов по химии.
Авторы разобрали ключевые этапы химических исследований — от анализа литературы и интерпретации спектров до прогнозирования свойств веществ и планирования синтеза — и показали, как методы ИИ могут быть применены на каждом из них, а также какие ограничения и риски при этом возникают.
Высокая точность модели на тестовых данных — лишь верхушка айсберга. Существеннее понять, помогает ли модель интерпретировать измерения, планировать информативные эксперименты и сохранять качество и надёжность прогнозов при работе с новыми веществами и реакциями.
Перед использованием модели авторы предлагают проверить, соответствуют ли обучающие данные веществам и приборам конкретной лаборатории, насколько надёжно модель оценивает неопределённость прогноза и прошла ли она проверку на новых экспериментах, результаты которых не были известны при обучении.
Следующий этап развития ИИ для химии связан с объединением возможностей передовых больших языковых моделей (LLM) и физически информированных моделей, учитывающих химические ограничения. ИИ-агент должен оценивать, когда прогноз физически информированной модели обоснован, когда она выходит за пределы данных, на которых обучалась, и какой эксперимент лучше всего поможет снизить неопределённость. На исследователе, в свою очередь, лежит ответственность за постановку научной задачи и проверку результатов, полученных ИИ-агентом.
В перспективе фундаментальные модели, опирающиеся на химические знания, и интеллектуальные экспериментальные платформы должны проходить проверку в полных исследовательских циклах — от постановки задачи до воспроизводимого результата.
Это краткое изложение. Полный текст — на сайте источника:
Читать оригинал: СколтехЕщё по теме: наука
Искусственные нейроны сохраняют черты эмбрионального развития
Сбер AI Journey Contest 2026: задача — создать физический ИИ для гуманоидного робота «Грин», призовой фонд 10+ млн рублей
Российский рынок генеративного AI вырос в 5 раз до 58 млрд рублей: агентная эра началась
Как это касается вашего бизнеса
Новая модель или сервис дают эффект, только если данные и процессы компании к ним готовы. Аудит ИИ-готовности покажет, где ИИ даст максимальную отдачу, а где внедрять его преждевременно.

