МОСКВА, 15 октября. /ТАСС/. Российские химики и специалисты в области ИИ разработали платформу, позволяющую использовать системы машинного обучения для автоматизации поиска и обработки научной литературы, связанной с проектированием наноматериалов. Система позволяет ученым в разы быстрее переходить от этапа разработки гипотезы к эксперименту, сообщила ТАСС пресс-служба Университета ИТМО.
"Мы целенаправленно создали не универсального научного ИИ-ассистента, а специализированный инструмент для реальной лабораторной задачи - проектирования наноструктур и предсказания клеточных ответов. Многоагентная архитектура с использованием поисково-дополненной генерации позволяет многократно повысить качество ответов, что критически важно в работе с научными данными", - пояснил аспирант Научно-образовательного центра инфохимии ИТМО Никита Кротков, чьи слова приводит пресс-служба вуза.
Как отмечают ученые, ведущие разработчики ИИ по всему миру сейчас активно работают над созданием систем, способных ускорять проведение научных исследований. За последние годы были созданы десятки алгоритмов, способных искать новые лекарства, определять структуру еще не существующих белковых молекул, а также решать другие важные научные задачи.
Специалисты подготовили подобную систему, адаптированную для работы в качестве ассистента для исследователей-материаловедов, специализирующихся на разработке различных наноструктурированных материалов. При их проектировании нужно учитывать много факторов, в том числе состав материала, особенности рельефа поверхности и параметры синтеза, для чего ученые проводят десятки экспериментов и анализируют уже опубликованные научные труды.
Разработанная учеными ИИ-платформа решает эту проблему: она способна за очень короткое время извлечь факты из научных публикаций и преобразовать их в конкретные рекомендации для эксперимента. В частности, система может рассчитать оптимальные параметры синтеза наноструктур и их ожидаемые биологические эффекты, а также подобрать тип светочувствительного материала-подложки, используемый в процессе изготовления.
Первые эксперименты с этой системой показали, что она способна выдавать точные ответы в 81% случаев и в процессе ее работы возникает небольшое число галлюцинаций за счет использования специальных алгоритмов, проверяющих уместность запросов и сравнивающих сгенерированные ответы с данными из статей-источников. Также используемые в приложении наборы научных публикации можно легко масштабировать и расширять без полной перестройки системы, что позволяет поддерживать актуальность знаний помощника, подытожили ученые.
