Программный пакет для автоматической генерации высокоточных цифровых моделей веществ и материалов, описывающих их структурные, энергетические и электростатические характеристики

Поиск новых веществ с заданными свойствами является неотъемлемой составляющей высокотехнологичной промышленности, от фармакологии до энергетики. Эффективным подходом для создания новых веществ является виртуальный скрининг, в ходе которого все возможные варианты веществ проверяются на компьютере и те вещества, для которых результаты моделирования показали подходящие свойства, синтезируются и проверяются на практике. В реальности подобный подход можно надежно использовать только если модели, используемые алгоритмами виртуального скрининга, позволяют с высокой точностью воспроизводить нужные экспериментальные свойства. На текущий момент на рынке представлены решения, использующие эмпирические корреляции структура-свойства, которые а) характеризуются высокой погрешностью; б) неспособны воспроизводить свойство, если близких аналогов вещества нет в базе данных; в) могут моделировать только очень ограниченный список свойств. Альтернативой является квантовая химия, которая может давать высокоточное воспроизведение свойств за счет сильных вычислительных затрат - одно вещество может моделироваться несколько дней, что нельзя использовать при скрининге. В ходе данной работы разрабатывается программный продукт, в рамках которого используются алгоритмы искусственного интеллекта для построения цифровых моделей веществ. Модели обучаются на основе результатов квантово-химических расчетов и затем используются для сложного моделирования свойств различных веществ. Точность моделей близка к точности квантово-химических расчетов, при этом вычислительные затраты сопоставимы с затратами представленных на рынке решений. Целью проекта являлась разработка разработка, тестирование и отладка прототипа программного комплекса для автоматического предсказания физико-химических свойств произвольных химических соединений, основанного на применении технологий машинного обучения и многокритериальной оптимизации. Обучение цифровых моделей веществ проводится на основании квантово-механических расчетов, в связи с чем они полностью воспроизводят свойства веществ и могут использоваться для надежного виртуального скрининга.