Новая технология объединяет в себе методы квантовой химии и искусственного интеллекта. В основе модели лежит решетка Лебедева — математический метод, разработанный еще в СССР
Российские ученые из Института искусственного интеллекта AIRI разработали нейросетевую систему LAGNet, которая предсказывает поведение электронов в молекулах с рекордной точностью и при этом требует в десятки раз меньше данных. Это может заметно ускорить разработку лекарств и сделать ее дешевле.
LAGNet объединяет методы квантовой химии и искусственного интеллекта. Ее задача — рассчитать электронную плотность молекул, то есть определить, как электроны распределяются вокруг атомов. Эта информация критически важна при создании новых препаратов, т.к влияет на свойства и активность молекулы.
В чем отличие от других ИИ
Классические методы вычислений требуют от нескольких часов до пары суток на одну молекулу. Современные нейросети умеют делать это за 5–6 секунд, но обычно нуждаются в огромных объемах обучающих данных — до 100 ТБ.
Обновленный Deep Research на базе Gemini 2.5 Pro обошел ChatGPT по качеству аналитикиtproger.ru
LAGNet решает проблему с помощью решетки Лебедева — математического метода, разработанного в СССР, который позволяет равномерно распределить точки на сфере. Благодаря этому, система учится в 42 раза быстрее, занимает в 8 раз меньше места и требует всего 12,5 ТБ данных.
Почему это важно
LAGNet точнее предшественников, особенно в работе с лекарственными молекулами, содержащими серу, бром и йод — элементы, часто встречающиеся в рецептурах. По сравнению с предыдущей моделью DeepDFT, ошибка предсказания у LAGNet в два раза ниже.
Кроме расчетов, систему можно использовать для визуализации молекул — графическое представление помогает исследователям быстрее понять свойства вещества и выбрать перспективные соединения.
Что дальше
Пока система не умеет работать с соединениями на основе лития и белками — например, инсулином или семаглутидом. Но разработчики обещают, что это лишь временное ограничение. В планах — адаптировать LAGNet под все ключевые классы лекарств.
