Теперь соедини агента-стратега с роботом-исполнителем. Получится полностью автономный цикл: ты ставишь общую задачу («найди новый ингибитор для этого белка»), агент формулирует гипотезы, выбирает кандидатов, планирует синтез, а робот выполняет реакцию и проводит тесты. Результат возвращается агенту, и тот уточняет модель. Так работают самые продвинутые лаборатории уровня 4, и именно этот альянс — главный тренд ближайших лет. Скорее всего, химик будущего будет не столько стоять у прибора или лабораторного стола, сколько управлять парком ИИ-агентов, как дирижёр оркестром.
Попробуй сам
Для начала почувствуй себя в роли «агента» с самым простым инструментом — обычным чат-ботом. Открой ChatGPT или любой аналогичный сервис с доступом в интернет и дай ему задание: «Предложи план синтеза аспирина из подручных средств, найди методики и сравни их по безопасности. Аргументируй выбор». Ты увидишь, как он «размышляет»: проверяет несколько источников, взвешивает плюсы и минусы, даже указывая, какой растворитель безопаснее. Это и есть упрощённая модель того, как работают химические агенты: они точно так же комбинируют информацию. Если чат-бот сказал что-то подозрительное, не поленись перепроверить источники — мы же помним про критическое мышление.
Теперь шаг посложнее — для тех, кто не боится Python. Настоящий ChemCrow устроен так: языковая модель не просто общается, а дергает за ниточки, запуская определённые функции — например, запускает расчёт молярной массы. Ты можешь собрать своего мини-агента прямо сейчас. Напиши простенькую функцию на Python, которая принимает химическую формулу (строку вроде C6H12O6) и возвращает молярную массу. Затем подключи эту функцию к языковой модели через механизм function calling — в OpenAI API это делается парой строк кода. Задай боту вопрос: «Какая молярная масса у глюкозы?». Вместо того чтобы угадывать число из памяти или лезть в интернет, бот вызовет твою функцию, получит точный расчёт и выдаст ответ со ссылкой на неё. Ты только что собрал простейшую версию ChemCrow: связку «языковая модель + инструмент». Не магия, а архитектура, которую ты можешь повторить сам.
Если хочешь увидеть, как выглядит взрослая версия, загляни на GitHub по запросу «ChemCrow» — там выложен открытый код, который при желании можно запустить с настоящими химическими API. Но даже просто полистать документацию полезно: ты увидишь, как языковая модель вызывает внешние сервисы, и поймёшь, что под капотом у агентов нет никакого волшебства — только грамотно связанные друг с другом программы. В следующей главе мы спустимся на ступеньку ниже — от планирования к анализу. Ты синтезировал вещество, теперь надо понять, что получилось. И тут в игру вступают нейросети-спектроскописты.
Глава 12. Призрак в спектре
Ты сидишь в лаборатории, перед тобой — колба с вязкой жидкостью, брутто-формула вещества C₁₇H₂₁NO₄, но ты понятия не имеешь, как именно атомы сложились в пространстве. Рядом лежит листок с ЯМР-спектром — десятки пиков, дублетов, триплетов, мультиплетов. Твоя задача: восстановить полную структуру молекулы. Без этого ты не можешь публиковать статью, не можешь продолжать синтез, не можешь даже толком понять, что создал. Ты — детектив, спектр — улика, а неизвестная молекула где-то прячется за частоколом сигналов. Ещё двадцать лет назад ты потратил бы на решение этой задачи несколько дней, а то и недель. Сегодня ты открываешь ноутбук, загружаешь файл и через секунду получаешь ответ: «Вероятнее всего, это скополамин — природный алкалоид, содержащийся в растениях семейства паслёновых».
В главе 1 мы вспоминали, как химики конца XX века «расшифровывали» спектры вручную. Ты получал бумажную ленту самописца с пиками, похожими на кардиограмму, и начинал священнодействие. Для каждого сигнала нужно было измерить химический сдвиг (в миллионных долях, линейкой по распечатке!), посчитать интеграл (площадь под пиком — сколько протонов), оценить мультиплетность (расщепление) и константы взаимодействия. Потом всё это складывалось в мозаику: «Если тут дублет на 2.1 м.д. и интеграл 3Н, а там квартет на 4.0 м.д. и интеграл 2Н, то, кажется, это этильная группа, соседствующая с карбонилом…». Ты сидел с карандашом, рисовал возможные фрагменты, перебирал варианты, спорил с коллегами. Это было искусство, требовавшее колоссального опыта и пространственного воображения. Параллельно существовал и «компьютерный» путь: запустить расчёт для предполагаемой структуры и предсказать спектр. Но такой расчёт работал медленно и требовал подгонок. На один спектр нередко уходили часы машинного времени, а ошибки всё равно оставались.