Современная химия практически неотделима от других наук и направлений — физики, биологии и информационных технологий. Одним из финалистов конкурса «BlueSky Research — Искусственный интеллект в науке», который направлен на поиск проектов на стыке новой химии, синтетической биологии и ИИ, стал Михаил Медведев, кандидат физико-математических наук, руководитель Группы теоретической химии № 24 Института органической химии имени Н. Д. Зелинского РАН. Михаил рассказал порталу InScience.News о многочисленных направлениях, в которых работает его команда, а также о том, как научить «цифровые нейроны» решать задачи из области квантовой химии.
— Расскажите о ваших научных интересах. Почему вы решили заниматься химией?
— Мне в целом интересно, как работает мир вокруг меня. В частности, мне очень интересно, как работает мир вокруг меня на молекулярном уровне. Я занялся химией именно потому, что эта наука исследует процессы, которые происходят на уровне отдельных атомов и молекул. Но химия — не единственное, чем я занимаюсь, поскольку часто вопросы, которыми мы занимаемся, оказываются на стыке химии с физикой и/или биологией.
— С 2020 года вы руководите Группой теоретической химии № 24 ИОХ РАН. Какие исследования вы проводите?
— На данный момент у нас более ста проектов по различным тематикам, и все их можно разделить на три основных направления. Первое из них — моделирование химических процессов. Наша задача состоит в том, чтобы разобраться, почему та или иная химическая реакция идет определенным образом, какие силы управляют этим процессом и как можно заставить его идти иначе. Второе направление — это разработка новых методов теоретической химии, которые помогают нам решать задачи, поставленные в рамках первого направления. Дело в том, что существующие на сегодняшний день методы не всегда точны, и мы стараемся понять, в чем их недостатки и как их можно исправить. Третий класс задач, которыми мы занимаемся, я отношу к категории «все, что нам интересно». Это нейронные и нейроморфные сети, Гауссовы процессы, механизмы связывания лекарств с белками, образование кристаллов органических соединений. В частности, нейроморфным сетям был посвящен проект, который мы представили на конкурс BlueSky Research. Нейроморфные сети представляют собой сложную математическую модель из большого количества элементов, которая позволяет воспроизвести процессы, происходящие в мозге человека. Мы пытаемся понять, как эти процессы можно использовать в системах искусственного интеллекта. Дело в том, что нейроморфные сети можно обучить решать определенные задачи, и они будут делать это в разы более эффективно, чем существующие компьютеры. Так, мозг человека оказывается на порядки более энергоэффективным, чем процессор компьютера, при этом он и существенно более производителен. В связи с этим, я думаю, нейроморфные сети составят основу будущих расчетных мощностей наряду с квантовыми компьютерами.
— Вы упомянули, что занимаетесь молекулярным моделированием. Расскажите поподробнее об этом направлении. Зачем нужно моделировать химические процессы и отдельные молекулы?
— Во-первых, это очень красиво: мы видим, как атомы взаимодействуют друг с другом, как они движутся в ходе химических превращений, как одна молекула переходит в другую. Лично для меня в свое время эстетическая составляющая сыграла очень большую роль. Кроме того, в этом есть важный прикладной аспект. Его можно объяснить, если сравнить то, чем мы занимаемся, с испытанием самолета. Если только что спроектированный самолет предварительно не испытать, а сразу пустить в рейс, он может упасть, что приведет к человеческим жертвам. Чтобы этого избежать, самолет тестируют в аэродинамической трубе. Эта приближенная к реальным условиям модель позволяет понять, как судно будет вести себя в потоке воздуха. Однако для того, чтобы построить самолет хотя бы для таких испытаний, нужно затратить усилия людей и материалы. Поэтому нужен еще один предшествующий этап — моделирование на компьютере. Компьютерные модели так же, как и реальные испытания, позволяют наблюдать, как воздух обтекает самолет и как создается подъемная сила. Кроме того, с их помощью можно более точно оценить поведение объекта, например, определив нагрузки на каждом квадратном сантиметре его поверхности. На реальной модели это сделать невозможно, поскольку потребовалось бы огромное количество датчиков. В химии принцип тот же: вместо того чтобы проводить реакцию наугад, мы можем смоделировать ее, рассчитать результат и решить, хотим ли мы в принципе осуществлять такое превращение и как его можно модифицировать, чтобы получить нужный продукт.
— Насколько я понимаю, для моделирования вы используете специальные программы. Их разрабатывают сами же химики или привлекаются программисты? Нужно ли, помимо химии, хорошо разбираться в программировании, чтобы заниматься молекулярным моделированием?
— В целом серьезных навыков программирования для молекулярного моделирования не требуется. У нас есть сотрудники, которые замечательно моделируют реакции, но не любят прибегать к программированию. Но есть, конечно, задачи, в которых эти навыки полезны, и поэтому знание IT всячески приветствуется. Например, это очень помогает автоматизировать некоторые процессы.
— Вы занимаетесь также разработкой новых методов молекулярного моделирования. Какие в принципе подходы существуют и какие из них были предложены вами?
— Молекулярное моделирование — это не один конкретный метод, а комплекс множества разных подходов, которые, подобно пазлу, складываются в целую схему. Это делает работу крайне интересной, потому что специалист должен принять очень много решений, чтобы найти тот набор приближений, который позволит смоделировать процесс быстро, но при этом достаточно точно. Из того, что мы сделали в этом направлении, думаю, стоит упомянуть работу, опубликованную в 2017 году в журнале Science. Это было масштабное тестирование методов теории функционала плотности — одного из самых популярных методов в физике твердого состояния и в химии. Мы проанализировали 128 функционалов плотности — почти все существовавшие на тот момент — и, к большому удивлению, обнаружили, что те функционалы, которые считались наиболее точными, оказались ненадежными. Говоря в терминах машинного обучения, они были переобучены. Интересно, что функционалы, полученные достаточно давно, в 1990-е годы, показали очень высокую надежность при достаточно высокой точности. В этой работе мы не разработали новый метод, но показали, какими из уже существующих можно пользоваться.
Еще один интересный метод, которым мы занимаемся, позволяет анализировать связывание белков с потенциальными лекарственными препаратами. Мы разработали новый подход, который назвали «докинг поверхности». Он позволяет определить, насколько охотно лекарство связывается с активным центром какого-либо белка. Для этого мы сравниваем силу связывания молекулы лекарства с активным центром белка и силу связывания с поверхностью того же белка. Если молекула одинаково хорошо связывается и с активным центром белка, и с его поверхностью, лекарственный препарат с большой вероятностью к целевому белку даже не попадет, поскольку на своем пути, например, в крови, он встретит множество других белков, с которыми свяжется. Мы показали, что для целого ряда задач наш метод обеспечивает заметно более высокую точность по сравнению со стандартным подходом.
— Вы уже упоминали о проекте, который представили на конкурсе Blue Sky Research. Расскажите поподробнее, как вы узнали о конкурсе.
— О конкурсе я узнал от Екатерины Пчицкой, которая впоследствии стала участником нашей команды. С Екатериной мы познакомились в 2021 году на Школе PI SCAMT, которая проходила в Санкт-Петербурге. Екатерина экспериментально изучает взаимодействия между нейронами в головном мозге. Так получилось, что незадолго до нашей встречи я прочитал очень интересную статью, авторы которой обнаружили, что нейроморфные сети, подобно человеку, нуждаются во сне. Меня такой вывод поразил, ведь это значит, что, изучая нейроморфные сети, можно не только развивать перспективные расчетные алгоритмы, но и понять, как устроен наш собственный мозг. Еще тогда я подумал, что было бы интересно исследовать нейроморфные сети, но я никогда ранее не занимался направлениями, связанными с работой мозга. Однако, узнав о том, что Екатерина — специалист в этой области, я предложил ей сотрудничать. В результате мы решили подать совместный проект на конкурс Blue Sky Research. Сейчас работу мы продолжаем и обучаем нейроморфные сети в качестве функционалов электронной плотности.
Екатерина Пчицкая
— Важны ли такие междисциплинарные конкурсы для молодых ученых?
— Несомненно, такие конкурсы важны. Возможно, если бы не Blue Sky Research, то реализация нашего проекта сильно бы затянулась, поскольку и у меня, и у Екатерины есть множество других проектов. Конкурс дал хороший импульс нашему общему проекту и в целом сделал его возможным. Я считаю, что то плодотворное и интересное сотрудничество, которое у нас получилось, — это идеальный пример результата, который должны давать подобные конкурсы.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
