Другой гигант на этом поле — облачная платформа IBM RXN for Chemistry. Если ASKCOS больше полагается на поиск по дереву, то IBM RXN — это чистокровный трансформер, родной брат тех моделей, что переводят текст с английского на русский. Вспомни: молекулу можно записать в виде строки SMILES. Для трансформера реакция — это просто «перевод» строки реагентов в строку продуктов. Он обучается на миллионах таких «предложений» и учится достраивать недостающие атомы и связи с высокой точностью: в девяти случаях из десяти трансформер правильно угадывает, что получится в колбе, даже если он никогда не видел именно эту комбинацию реагентов. Базовая версия IBM RXN бесплатна и умеет предлагать полные синтетические маршруты. Ты просто рисуешь целевую молекулу, нажимаешь кнопку — и через минуту получаешь несколько вариантов со всеми промежуточными стадиями, ссылками на литературу и оценкой вероятности успеха.
Но химия — это не только вопрос «можно ли синтезировать». Это всегда баланс цены, безопасности и практичности. Можно синтезировать целебную молекулу за 10 стадий через цианиды и кипящий диоксан — но токсичность зашкалит, а цена будет как у острова на Мальдивах. А можно найти четырёхстадийный маршрут с использованием копеечных реагентов и воды как растворителя. Как научить машину выбирать не просто возможный, а оптимальный маршрут? Здесь в игру вступают ещё более продвинутые системы.
DeepRetro — это открытый фреймворк, который объединяет обычные ретросинтетические движки с большой языковой моделью (наподобие ChatGPT) в итеративном цикле. Ты можешь сказать: «Этот маршрут мне не нравится — слишком дорого», и языковая модель поймёт тебя, передаст пожелание движку, и тот предложит альтернативу. Диалог между химиком и ИИ становится непрерывным уточнением задачи.
Ещё один интересный инструмент — MHNpath, построенный на современных сетях Хопфилда. Он позволяет заранее настроить систему приоритетов: цена, температура, токсичность, доступность реагентов. Ты выставляешь ползунки: «Хочу подешевле, до 100°C и без сверхтоксичных веществ». И сеть Хопфилда ищет такой маршрут, оптимизируя сразу все параметры. Фактически, ты становишься не просто химиком, а менеджером проекта, который задаёт критерии успеха, а машина подбирает варианты. Лучше всего это сравнить с конструктором, где ты из молекул-прекурсоров можешь собрать сложную модель — целевое лекарство. Раньше ты сидел часами и придумывал инструкцию сам, перебирая детали, теперь ты просто показываешь нейросети фотографию модели и говоришь: «Сделай мне инструкцию, но так, чтобы использовать только детали из этого ящика и чтобы собрать можно было за час». И нейросеть выдаёт несколько пронумерованных шагов: шаг 1 — возьми бензойную кислоту, шаг 2 — добавь уксусный ангидрид, шаг 3 — подогрей до 60°C… И сортирует эти инструкции по цене, скорости и количеству шагов. Можно собрать быстро и дорого, можно долго и дёшево, а можно — оптимально.
Все эти системы работают уже сейчас, и многие из них бесплатны. Впервые в истории любой химик может сесть за ноутбук и спланировать синтез сложной молекулы, на который у профессоров XX века уходили недели. Всё, что требуется, — нарисовать молекулу и задать правильные вопросы. А критическое мышление понадобится, чтобы отсеять красивые, но нереализуемые предложения — всё-таки даже самый умный ИИ иногда галлюцинирует. В следующей главе мы посмотрим, как роботы не только планируют, но и сами ставят реакции, замыкая цикл «гипотеза → эксперимент», о чём Кори мог только мечтать.
Попробуй сам
А теперь давай ненадолго включим «режим LHASA». Возьми простую молекулу — например, всё тот же аспирин. Попробуй записать на бумаге правила, просто сформулируй словами, как бы ты объяснял способ его синтеза воображаемому компьютеру-новичку. Начни с очевидного: «Найди все связи, которые можно мысленно разорвать», «Посмотри, какие фрагменты получаются», «Для каждого фрагмента проверь, есть ли коммерчески доступный реагент». А теперь представь, что тебе нужно записать все исключения. Что делать, если в молекуле и спиртовая группа, и кислотная? Что, если она полициклическая? Сколько правил и запретов у тебя получилось уже через пять минут? Если счёт пошёл на десятки и ты начал путаться — добро пожаловать в мир экспертных систем. Именно в нём пытался навести порядок Кори, вооружившись карандашом и верой в алгоритмы. А теперь вообрази, что кто-то предложил не дописывать правила до бесконечности, а просто показать машине миллион удачных синтезов. Чувствуешь разницу в подходе?