Химики МГУ с использованием искусственного интеллекта освоили предсказание спектров сложных органических молекул — полициклических ароматических углеводородов (ПАУ). Эти молекулы встречаются как в дыме от сжигания, так и в далеких уголках космоса. Исследование наглядно демонстрирует, как методы ИИ могут содействовать экологическим исследованиям на Земле и раскрытию химических загадок Вселенной. Результаты работы опубликованы в Journal of Chemical Information and Modeling.
Рисунок, образно представляющий результаты работы. Источник: Лабутин Т.А., Закускин А.С.
ПАУ — это органические молекулы с двумя и более соединенными бензольными кольцами. Они формируются как в результате природных процессов, так и через человеческую деятельность, включая сжигание топлива и мусора. Эти молекулы также распространены в космосе: от пылевых облаков до атмосфер планет. Существует гипотеза, что ПАУ могли участвовать в синтезе РНК в условиях «первичного бульона» на ранней Земле, что, возможно, стало основой для возникновения жизни. Поэтому изучение ПАУ имеет первостепенное значение в области экологии, а также при исследовании процессов горения и в астрохимии.
До сих пор одним из основных инструментов для изучения ПАУ служит инфракрасная (ИК) спектроскопия. Однако анализ спектров из межзвездного пространства или загрязненного воздуха представляет собой непростую задачу. Это связано с тем, что экспериментально изучены далеко не все молекулы ПАУ, а теоретические расчеты требуют значительных ресурсов.
Исследование химиков МГУ предложило новаторский подход, основанный на методах машинного обучения, для предсказания ИК-спектров этих молекул. В процессе работы акцент был сделан на кодировании структуры молекулы, чтобы учитывать ее заряд.
«Предсказание спектров гетероатомных молекул, содержащих атомы азота и кислорода, до сих пор остается сложной задачей. Их спектры существенно отличаются от спектров “обычных” ПАУ, а количественные данные для обучения моделей крайне ограничены. Мы планируем использовать метод transfer learning, чтобы улучшить точность предсказаний для таких молекул и повысить эффективность модели», — отметил один из авторов исследования, аспирант кафедры лазерной химии химического факультета МГУ Бабкен Бегларян.
В данном исследовании впервые решалась задача предсказания спектров как заряженных, так и нейтральных молекул. Это позволило использовать для обучения моделей все известные на сегодняшний день спектры ПАУ. Универсальность модели обеспечила высокую точность предсказаний для обеих категорий молекул.
«Результаты работы открывают новые горизонты для более точного моделирования спектров смесей ПАУ, что крайне важно для анализа состава межзвездной среды, атмосфер планет и других астрономических объектов», — подытожил соавтор статьи, младший научный сотрудник кафедры лазерной химии химического факультета МГУ Александр Закускин.
Информация и фото предоставлены пресс-службой МГУ






