ИИ становится инструментом науки
Несколько факторов объясняют растущий интерес к ИИ в фундаментальной науке
Рост объемов данных. Современные эксперименты (например, работа Большого адронного коллайдера или космических обсерваторий) генерируют терабайты информации, которую человеку сложно обработать вручную. ИИ справляется с этим эффективнее, выявляя скрытые закономерности.
Развитие алгоритмов. Современные нейросети способны моделировать сложные системы, предсказывать химические реакции, анализировать геномы и даже создавать гипотезы.
Снижение стоимости вычислений. Удешевление облачных вычислений и появление мощных GPU (графических процессоров) сделали доступ к ИИ-инструментам более широким.
Междисциплинарность. Сотрудничество между IT-специалистами и учеными из разных областей ускоряет адаптацию технологий.
Возможности искусственного интеллекта огромны, они меняют парадигму научных исследований, заявил президент РАН, академик РАН, научный руководитель НИИ молекулярной электроники Геннадий Красников. Он отметил роль запуска Сибирского кольцевого источника фотонов (СКИФа), подчеркнув, что эта установка является частью отечественного мегасайенс. 11 августа Владимир Путин в ходе рабочей поездки в Новосибирск осмотрел, как идут работы над планирующимся к запуску СКИФом.
Установка «Сибирский кольцевой источник фотонов» позволит проводить научные исследования на пучках синхротронного излучения и получать сверхточные данные о структуре вещества, поведении на атомарном уровне, в том числе во время сверхбыстрых процессов. Пользователи СКИФ получат доступ ко всей необходимой инфраструктуре, а исследования можно будет проводить круглосуточно.
Возможности установки позволят не только проводить теоретические изыскания, но и заниматься практическими разработками — в частности, создавать новейшие лекарства, — и исследовать древние артефакты, не угрожая их целостности.
Инфраструктура ЦКП «СКИФ» будет использоваться для выполнения обширных систематических исследований мирового уровня в различных областях физики, химии, материаловедения, молекулярной биологии, медицины и других дисциплин с акцентом на наиболее прорывные, экономически и социально-значимые мультидисциплинарные задачи.
«Все сегодня понимают, что возможности искусственного интеллекта, в том числе для ученых, очень большие и фактически меняют парадигму научных исследований, потому что можно и моделировать эксперименты, можно как бы проводить уже дополнительный поиск по большим базам данных, определенные закономерности. И это новые возможности», — заявил Красников.
Обработка литературы и поиск гипотез
Количество научных публикаций растет в геометрической прогрессии, и один человек физически не может прочитать все статьи даже в узкой области. Инструменты вроде Elicit или ResearchRabbit берут на себя рутину: они анализируют тысячи работ, строят графы связей между авторами и темами, выявляют пробелы в исследованиях и подсказывают перспективные направления. Если раньше литобзор занимал недели, то теперь — часы.
Материаловедение
Тем временем в Университете Иннополис совместно с компанией Danaflex был разработан ИИ-сервис для прогнозирования свойств полимерных пленок. Нейросеть предсказала 22 свойства материала, что позволило снизить издержки на физические эксперименты по разработке гибкой упаковки на 30–50%.
ИИ активно используется для поиска новых материалов — например, сверхпроводников, легких сплавов или эффективных катализаторов. Алгоритмы анализируют миллионы комбинаций химических элементов, предсказывая их свойства без дорогостоящих лабораторных экспериментов.
Так, биотехнологическая компания Insilico Medicine разрабатывает алгоритмы, которые генерируют молекулы с заданными свойствами. Это сокращает время создания новых материалов и лекарственных препаратов.
Астрономия и космология
Искусственный интеллект стал не просто инструментом поддержки астрономов, он превратился в обязательную инфраструктуру астрофизики. Причина проста: объем данных, который создают современные обсерватории, физически невозможно обработать вручную.
Телескопы непрерывно сканируют небо, генерируя миллионы оповещений каждую ночь о потенциальных изменениях. При этом подавляющее большинство из них — ложные сигналы, вызванные следами спутников, ударами космических лучей или другими инструментальными артефактами.
Китайские ученые из Юньнаньской обсерватории разработали инновационную нейронную сеть, способную точно различать звезды, галактики и квазары в крупномасштабных астрономических исследованиях. Система успешно классифицировала более 27 млн космических объектов в рамках Килоградусного обзора (KiDS), охватывающего примерно 1350 квадратных градусов небесной сферы.
Ключевое преимущество разработанной модели заключается в ее способности одновременно анализировать два типа данных: морфологические характеристики (визуальный облик объекта) и спектральное распределение энергии (СРЕ) — особенности яркости объекта на разных длинах волн.
Такой двойной подход позволяет преодолеть традиционные ограничения астрономической классификации, когда многие объекты выглядят как одинаковые точки света на снимках.
