Как научить нейросеть читать молекулы с листа экспресс
Поиск нужной молекулы среди миллиардов вариантов похож на поиск одного зёрнышка в мешке риса. Чтобы не перебирать всё вручную, химики всё чаще зовут на помощь нейросети. Но большие модели требуют мощных компьютеров, а маленьким часто не хватает кругозора.
GLACIER решает эту проблему, как способный ученик, который учится сразу у нескольких наставников. Сначала три «глаза» модели смотрят на молекулу с разных сторон: один видит её как граф (схему из атомов-вершин и связей-рёбер), второй читает её как текстовую строку SMILES (что-то вроде молекулярного штрих-кода), а третий оценивает физико-химические параметры — размер, заряд, растворимость. Затем эти три взгляда сливаются в единый портрет молекулы с помощью математического аппарата, вдохновлённого геометрией Финслера (это как измерять расстояния не по прямой, а по извилистой горной тропе).
На последнем этапе в игру вступают учителя — большие модели MiniMol и MolFormer, уже натренированные на огромных массивах данных. Ученик GLACIER не просто копирует их ответы, а через механизм контрастного обучения учится сближать в своём внутреннем пространстве те молекулы, которые похожи по сути, и отдалять те, что различны. Так рождается компактная, но очень точная модель, способная предсказывать свойства веществ без тяжёлых вычислений.
В итоге один лёгкий инструмент заменяет громоздкий набор программ, ускоряя поиск новых материалов и лекарств. Зёрнышко в мешке риса теперь можно найти не на ощупь, а по точному описанию.
Строка SMILES для обычной воды выглядит просто как «O», а для аспирина — «CC(=O)OC1=CC=CC=C1C(=O)O». По сути, это молекула, записанная буквами и цифрами, как слово на химическом языке.