Ну и напоследок — открой любой бесплатный чат-бот и создай себе персонального репетитора по химии. Начни с системной инструкции — скажи ему примерно так: «Ты репетитор по химии, отвечай строго в рамках школьной программы, не используй сложные термины, а если я ошибаюсь — не просто говори "неправильно", а объясняй, в чём именно ошибка и как исправить ход мысли». Теперь задай ему вопросы из своего учебника. Где он справляется отлично, а где скатывается в излишнюю сложность? Попробуй разные формулировки: «Объясни правило Марковникова, как будто мне десять лет», потом «Прими у меня экзамен по ароматичности и задай каверзный вопрос», потом «Вот моё решение задачи, найди ошибку и объясни её». Ты быстро почувствуешь, что ИИ-репетитор — это не оракул, а инструмент, который нужно настраивать под себя: хороший вопрос рождает хороший ответ, плохой — красивую, но бесполезную информацию.
А когда наиграешься, загляни на сайт PhET Interactive Simulations и запусти виртуальное титрование. Добавляй основание в кислоту и наблюдай, как меняется pH и молекулярная картина. Попробуй другие симуляции — растворимость солей, закон Бойля-Мариотта. Что ты увидел на экране такого, чего не видно в пробирке? Симуляция не заменит запах аммиака и случайный пожар, но она даёт суперспособность — увидеть молекулярный уровень. Так вот, ИИ-репетитор и виртуальная лаборатория — это два тренажёра, которыми ты можешь пользоваться уже сегодня, пока живой учитель ставит тебе цель и верит в тебя. В следующей главе мы перейдём от обучения к самому творческому процессу — генерации идей: как ИИ помогает химикам придумывать молекулы, которых никогда не существовало.
Глава 6. Как молекула становится вектором
Мы все привыкли, что молекулу можно нарисовать палочками и подписать атомы, но когда молекула попадает в нейросеть, с ней происходит нечто странное: она исчезает как картинка и превращается в длинный столбик чисел, в точку в многомерном пространстве, где расстояние между такими точками означает химическую похожесть одной молекулы на другую. Это представление в многомерном пространстве свойств и отношений также называется вектором. Давай разберёмся, зачем понадобилась эта магия и как она работает.
Вспомни ChemDraw — программу, которая умела превращать нарисованную структуру в название и молекулярную массу. Это было первое превращение картинки в данные. Но для нейросети «картинка» — это просто набор пикселей, она не понимает, где атом, а где связь. Ей нужен язык, который сохраняет химический смысл и одновременно является математическим. Нужен вектор — упорядоченный набор чисел, описывающий молекулу так, чтобы похожие молекулы имели похожие векторы, а разные — разные. Именно здесь начинается самое интересное: химики придумали сразу несколько способов перевести молекулу в вектор, и каждый из них открыл дверь определённому типу нейросетей. Трансформеры научились читать молекулы как текст. Диффузионные модели — вылеплять их из шума, словно скульпторы. А графовые нейросети — общаться между атомами, как друзья в чате.
Когда в детстве осваиваешь язык, общаясь с родителями и другими людьми, ты постепенно и непроизвольно начинаешь замечать закономерности: «я иду», «он идёт». Так учатся и трансформеры — архитектура нейросетей, которая революционизировала машинный перевод, а сейчас и химию. В химии «предложение» — это молекула, записанная в виде строки SMILES. Например, этанол выглядит как CCO, а аспирин — как CC(=O)OC1=CC=CC=C1C(=O)O. Трансформер учится на миллионах пар «реагенты → продукты» и начинает «понимать», что карбоксильная группа C(=O)O часто превращается в ацилхлоридную C(=O)Cl в присутствии тионилхлорида. Он не знает правил нуклеофильного ацильного замещения, но статистически угадывает следующее «слово» в химическом предложении с высокой точностью. Так работают IBM RXN и другие предсказатели реакций: они «переводят» реагенты на язык продуктов, достраивая последовательность атомов и связей. Фактически, трансформер — это «переводчик» с языка исходных веществ на язык конечных, который сам выучил грамматику на примерах.