Нейросеть научилась мгновенно оценивать электронные свойства органических полимеров — без дорогих суперкомпьютеров

Исследователи из Новосибирского института органической химии СО РАН и НГУ создали нейросеть на архитектуре DimeNet++, которая предсказывает ключевые электрические характеристики сопряженных полимеров по трёхмерной структуре исходного мономера. Модель достигает точности на уровне передовых мировых методов (ошибка около 0,07 эВ) и при этом не требует предварительных квантово-химических расчетов. Это позволяет химикам отсеивать заведомо неподходящих кандидатов ещё до синтеза, экономя месяцы лабораторной работы. Исследование выполнено при поддержке гранта Российского научного фонда (РНФ) и опубликовано в журнале Polymers.

Органические полимеры являются основой современной гибкой электроники: от солнечных батарей и транзисторов до газовых сенсоров и светодиодов. Однако создание нового полимера с нужными свойствами может занимать недели или месяцы синтетической работы, а компьютерное моделирование требует больших вычислительных мощностей и не всегда даёт точный результат. В итоге многие перспективные молекулы так и остаются непроверенными.

В связи с этим сибирские ученые, вместо того чтобы «в лоб» моделировать полимер, поступили иначе: они обучили графовую нейронную сеть на массиве уже известных данных – сначала на расчётных (около 54 000 точек), а затем дообучили на реальных экспериментальных измерениях.