Учёные из Института органической химии им. Н.Д. Зелинского РАН (ИОХ РАН) разработали нейросеть для определения молекулярной структуры веществ по изображениям, полученным с помощью электронного или оптического микроскопа. В перспективе разработка поможет ускорить прикладные исследования в ряде областей. Об этом RT сообщили в пресс-службе Минобрнауки.
Результаты исследования опубликованы в научном журнале Small, посвящённом нанотехнологиям.
Как правило, для анализа молекулярной структуры нового соединения применяются такие методы, как масс-спектрометрия или рентгеновская дифракция, а также спектроскопия ядерного магнитного резонанса (ЯМР), которые, впрочем, требуют дорогостоящего оборудования и высококвалифицированных сотрудников.
Авторы новой работы предложили упростить этот этап научных исследований, применив методы машинного обучения. В качестве модели учёные взяли структуру четвертичных фосфониевых солей, которые широко используются в химии и медицине, а также в целлюлозно-бумажной промышленности и нефтедобыче.
Исследователи научили нейросеть анализировать количество атомов углерода в цепи молекулы изучаемого вещества. В результате ИИ смог точно идентифицировать вещества и структуру их молекул по изображению с оптического или электронного микроскопа.
В ряде случаев ИИ даже распознавал минимальные отличия в структуре, которые незаметны при применении традиционных оптических методов, подчёркивают авторы исследования. Разработка призвана упростить и удешевить анализ химических соединений, что особенно важно для фармацевтики, биохимии и материаловедения.
«Исследователи доказали, что использование машинного обучения для анализа изображений химических соединений — это не просто экспериментальная идея, а реальный инструмент, способный изменить многие отрасли. Этот метод позволит сократить затраты и время на проведение анализов, что особенно важно в условиях быстрого развития науки и промышленности», — сообщила RT пресс-служба ИОХ РАН.
В дальнейшем авторы исследования намерены расширить применение этого подхода на другие классы химических соединений, а также ещё больше повысить точность работы нейросети.