Два ведущих исследовательских института объявили о крупных достижениях в области искусственного интеллекта для научных открытий:

Два ведущих исследовательских института объявили о крупных достижениях в области искусственного интеллекта для научных открытий: MIT разработал систему прогнозирования химических реакций, которая учитывает фундаментальные законы физики, а Лаборатория Беркли внедрила автоматизированные платформы, ускоряющие исследования материалов и экспериментальную проверку.

ИсследователиMIT объявили в журнале Nature 20 августа о системе FlowER (Flow matching for Electron Redistribution), которая решает критическую проблему существующих моделей ИИ, часто нарушающих закон сохранения массы при прогнозировании химических реакций. По словам ведущего исследователя Коннора Коули, традиционные большие языковые модели «начинают создавать новые атомы или удалять атомы в реакции», что больше похоже на «алхимию», чем на настоящую химию.

Прорыв MIT заключается во внедрении метода 1970-х годов, разработанного химиком Иваром Уги, который использует матрицы связей и электронов для отслеживания каждого электрона в процессе реакции. Это гарантирует, что FlowER сохраняет физические ограничения при прогнозировании результатов реакции, причем эта способность была обучена на более чем одном миллионе химических реакций из баз данных Патентного ведомства США.

«Прогнозирование исходов реакций — очень важная задача», — объяснил Джунён Джон, ныне находящийся в Университете Кукмин и являющийся первым автором исследования. Для разработки лекарств «вам нужно знать, как это сделать», что требует точных прогнозов вероятных продуктов исходя из заданных химических входных данных.

Система служит доказательством концепции, способной изменить медико-химическую отрасль, поиск новых материалов и исследования атмосферной химии. MIT предоставил свободный доступ к FlowER через GitHub, включая подробные наборы данных механизмов реакций.

Между тем, Лаборатория Беркли внедрила системы на основе искусственного интеллекта, которые значительно ускоряют научные исследования в различных дисциплинах. Центр A-Lab использует алгоритмы ИИ для предложения новых соединений, в то время как роботы готовят и тестируют их, создавая замкнутый цикл, который «значительно сокращает время, необходимое для проверки материалов» для батарей и электроники.

Платформа Distiller этой лаборатории передаёт данные с электронных микроскопов напрямую на суперкомпьютер Perlmutter в NERSC, обеспечивая анализ в режиме реального времени за считанные минуты. Это позволяет исследователям «корректировать эксперимент, пока он всё ещё продолжается», согласно сотрудникам NERSC.

Учёные Лаборатории Беркли также выступают в роли валидаторов искусственного интеллекта, недавно исследовав фермент, разработанный ИИ, с помощью Advanced Light Source, чтобы "преодолеть разрыв между предсказаниями ИИ и реальностью". Эта модель сотрудничества демонстрирует, как национальные лаборатории могут проверять открытия, полученные с помощью ИИ, от внешних исследователей.

Эти достижения отражают более широкие федеральные инвестиции в ИИ для науки, включая инициативу FASST Министерства энергетики, объявленную в июле 2024 года, которая направлена на создание "самых мощных интегрированных научных ИИ-систем в мире" в 17 национальных лабораториях.

Обе исследовательские группы признают существующие ограничения, одновременно выражая оптимизм относительно расширения возможностей. MIT планирует добавить металлы и каталитические реакции в FlowER, а Лаборатория Беркли продолжает расширять свои автоматизированные платформы для решения всё более сложных научных задач.

MIT

https://news.mit.edu/2025/generative-ai-approach-to-predicting-chemical-reactions-0903

Berkeley lab

https://newscenter.lbl.gov/2025/09/04/how-berkeley-lab-is-using-ai-and-automation-to-speed-up-science-and-discovery/