Физика частиц ускоряет молекулы экспресс
В детекторе Большого адронного коллайдера после каждого столкновения протонов остаются тысячи точек — следы разлетающихся частиц. Нейросеть научилась видеть в этом узоре закономерности и предсказывать, что произошло в момент удара. Теперь ту же сеть натренировали смотреть на молекулы: вместо следов частиц — положения атомов, а вместо столкновения — как эти атомы будут двигаться и взаимодействовать.
Секрет в том, что в модель встроили правило: атомы, которые находятся близко друг к другу, влияют сильнее, чем далёкие. Это похоже на то, как соседи по лестничной клетке замечают друг друга чаще, чем жители разных районов. Благодаря этому сеть не просто запоминает картинки, а чувствует физику взаимодействий. Проверка показала: даже после небольшой донастройки модель отлично предсказывает поведение молекул, причём считает заметно быстрее аналогов.
Такой перенос знаний из физики высоких энергий в химию — редкость. Но если он работает, то у нас появляется универсальный инструмент: одна и та же архитектура понимает и субатомные частицы, и лекарственные молекулы. А значит, поиск новых материалов и препаратов может ускориться в разы.
Модель изначально обучалась на миллиарде «снимков» столкновений частиц — это как выучить миллиард фотографий салюта, чтобы потом различать узоры снежинок.
В сериале «Основание» Гэри Селдон предсказывал будущее цивилизаций по огромным массивам данных — здесь похожий подход работает для отдельных молекул.