Химик в мире нейросетей: читать книгу онлайн полностью и бесплатно

Очистка: конец гадания на элюенте. Раньше ты готовил хроматографическую колонку и начиналось священнодействие: ты смешивал гексан с этилацетатом в разных пропорциях, капал на пластинку, светил ультрафиолетом и молился, чтобы пятна разделились. Метод назывался «доверься интуиции, Богу помолясь». Сейчас ты вводишь структуру смеси в программу, и она, покопавшись в тысячах опубликованных значений Rf, выдаёт: «Бери 15% этилацетата, колонку на 20 см, и твой продукт выйдет через 12 минут».

Расшифровка спектров: от линейки к детективу. Когда-то ты получал листок с ЯМР-спектром, вооружался линейкой и карандашом, считал интегралы, спорил с коллегами о том, какой пик от какого протона. На расшифровку сложной молекулы уходили дни, а то и недели. Сейчас спектрометр отправляет данные нейросети, и она тут же сообщает: «Это 2,3-диметилбензойная кислота с вероятностью 96%». Модели вроде IMPRESSION-G2 предсказывают химические сдвиги во много раз быстрее, чем самые мощные квантовые расчёты, а ChefNMR, глядя только на протонный спектр и брутто-формулу, восстанавливает структуру неизвестного природного соединения с точностью выше 65% для симулированных спектров на бенчмарках. Раньше ты строил структуру по кирпичикам. Теперь ты работаешь как детектив: проверяешь версию, которую выдвинула машина. Твоё время уходит не на подсчёт пиков, а на размышления: «Почему нейросеть так уверена, если интеграл протона NH должен быть меньше? Может, там таутомерия?»

Лабораторный журнал: от помятой тетради к соавтору статьи. До последнего времени мы записывали всё от руки в толстую тетрадь, часто залитую реагентами. При работе над статьёй нередко приходилось расшифровывать собственные каракули. Сейчас электронные лабораторные журналы (ELN) с элементами искусственного интеллекта распознают фото твоих ТСХ-пластинок, сами подтягивают данные с весов и спектрометров и предлагают заполнить поля протокола. А главное — они накапливают данные так, что черновик статьи может генерироваться прямо по ходу работы. Если реакция пошла не по плану, система тут же подсунет альтернативный маршрут из чужих успешных опытов. Раньше ты сначала делал, потом писал. Теперь исследование и документирование идут параллельно, и ты в любой момент можешь спросить у своего «дневника»: «А что, если завтра попробовать другой катализатор?»

За всеми этими чудесами прячется одна простая вещь. В 2000 году компьютер думал на языке структурных формул — атомы, соединяющие их палочки-связи, заряды. Это был дискретный, символьный язык, доставшийся нам от Кекуле и Бутлерова. В 2026 году компьютер думает на языке многомерных векторов и полей электронной плотности. Для него молекула — не картинка, а точка в гигантском пространстве свойств. Реакция — не уравнение на бумаге, а траектория на энергетической поверхности. Именно поэтому трансформеры и диффузионные модели легко решают задачи, на которых спотыкались старые добрые DFT-расчёты. Главный вызов сегодня — построить мост между этими двумя языками, чтобы ты мог сказать: «Мне нужна молекула, которая будет светиться синим», — и получить не просто формулу, а связный рассказ, почему она будет светиться.

Эта книга — не скучный учебник по программированию и не философский трактат о конце профессии химика. Это приглашение порассуждать на равных с твоим новым когнитивным партнёром. Мы вместе пройдём по всем этапам исследовательского конвейера и увидим, что изменилось не только «железо», но и стиль мышления. Я надеюсь, что через 25 лет кто-то прочтёт эту книгу и улыбнётся так же, как я сегодня улыбаюсь своей старой статье про применение компьютеров в химии. И, возможно, напишет продолжение — про то, как химики общаются уже не с нейросетями, а с квантовыми компьютерами или с чем-то, что мы даже не можем сейчас представить. Но одно останется неизменным: слова «искусство эксперимента» и «интуиция» не исчезнут. Они просто приобретут новый смысл.

Попробуй сам

Чтобы ты не потерялся в названиях, вот краткий обзор тех инструментов, которые мелькали во введении. Это не список для заучивания, а скорее список действующих лиц нашего оркестра. ASKCOS (бесплатный проект MIT) умеет планировать синтез, перебирая дерево вариантов, предсказывать условия реакций и даже оценивать растворимость — почти как швейцарский нож для ретросинтеза. IBM RXN for Chemistry работает на трансформерах и предсказывает исход многих реакций с точностью выше 90%, а ещё строит маршруты синтеза прямо в облаке. DeepRetro — это открытый проект, в котором языковая модель общается с традиционными ретросинтетическими движками и уточняет результаты вместе с химиком. AlphaFlow — автономная проточная лаборатория, которая методом проб и ошибок сама оптимизирует синтез. IMPRESSION-G2 — трансформер, который за секунды предсказывает химические сдвиги ЯМР, обгоняя DFT-расчёты во много раз. ChefNMR — диффузионная модель, способная восстановить структуру природного соединения по протонному спектру и брутто-формуле, даже для сложных молекул. И MHNpath, использующий сети Хопфилда, планирует синтез с учётом цены, температуры и токсичности — чтобы ты не разорился и не отравился.

А теперь хватит читать — давай что-нибудь сделаем. Открой браузер и зайди на rxn.res.ibm.com (это IBM RXN) или askcos.mit.edu (это ASKCOS). Нарисуй аспирин — 2-ацетоксибензойную кислоту. Нажми «предсказать синтез» и смотри, что выдаст машина. Ты увидишь дерево вариантов: дешёвые, дорогие, безопасные и те, после которых надпись «лучше не дыши». Сравни с тем, что ты знаешь из учебника. Если нейросеть предложит синтез из углекислого газа и солнечного света — не верь, это она шутит. Но если найдёт путь короче и элегантнее, чем ты ожидал, — привыкай. Теперь ты не солист, а дирижёр. И оркестр уже настроился. Поехали дальше.

Глава 1. Компьютер-секретарь: мир статьи 2000 года

«Компьютер в химической лаборатории — это уже не роскошь, а необходимость», — бодро начинал я свою статью. Тогда мне казалось, что я описываю вершину технического прогресса. Сегодня, перечитывая тот текст, я испытываю примерно то же, что испытывает владелец смартфона, глядя на печатную машинку: трогательную смесь ностальгии и изумления от того, как далеко мы ушли. Давай отправимся в эту экспедицию в прошлое и посмотрим, что же умел компьютер на рубеже тысячелетий — это поможет понять, почему сегодня мы даём ему право «думать».

Итак, ты уже знаешь: компьютер в химической лаборатории был чем-то вроде гармошки на свадьбе — без него можно было обойтись, но с ним душевнее. Та самая «гармонь» сегодня превратилась в оркестр с искусственным интеллектом. Но чтобы понять, как мы оказались дирижёрами, давай сначала переоденемся в халаты прошлого и честно ответим: почему раньше химикам-экспериментаторам было непросто? Почему каждое рутинное действие требовало столько нервов, времени и бумаги? Давай пройдём по таким частям жизни химика, как рисование формул, номенклатура веществ и поиск информации. В каждую из них компьютер сначала проник как скромный помощник, но очень скоро стал незаменимым.

Вот он я — студент-химик в 1990 году, сижу вооружившись линейкой и трафаретом. Провёл линию чуть криво — и вся формула насмарку. Рисование химических структур было настоящим искусством художника, только вместо Моны Лизы химик изображал полициклический кошмар, да ещё так, чтобы связи не слипались, а углы были ровно 120 градусов. Почему это было искусством? Потому что не существовало единого стандарта. В одной лаборатории рисовали бензольные кольца с чередующимися двойными связями, в другой — с кружочком внутри. И попробуй догадайся, что за вещество изображено в

И вдруг в эту вселенную ручного труда ворвались ChemDraw, ACD/ChemSketch, ChemWindow — программы, которые позволяли рисовать молекулы на компьютере. Мало того, они умели распознавать формулу. Нарисовал ты аспирин — и программа сама выдавала его молекулярную массу, брутто-формулу, даже предсказывала, как примерно будет выглядеть ЯМР- или масс-спектр. Компьютер перестал быть просто печатной машинкой; он стал языком, на котором молекула общается с миром. Рисунок превратился в данные. И химики вздохнули свободнее — по крайней мере, пока дело не доходило до названий.

Как известно, у каждого уважающего себя вещества есть как минимум два имени. Одно — народное: аспирин, парацетамол, тротил. Второе — систематическое, которое звучит как заклинание из учебника по чёрной магии: 2-ацетоксибензойная кислота, N-(4-гидроксифенил)ацетамид, 2-метил-1,3,5-тринитробензол. Когда ты работаешь в лаборатории, ты говоришь: «А где эфир?». Но когда ты ищешь его в Chemical Abstracts, ты обязан ввести точное систематическое название. Малейшая ошибка в индексах или дефисах — и ты ничего не находишь. Или находишь, но совсем не то. Химики тратили часы, чтобы по номенклатуре ИЮПАК правильно «развернуть» сложную молекулу в строку символов. Компьютерные базы данных добавляли масла в огонь: требовали строгого порядка групп, указания стереохимии, регистрозависимости. Чуть напутал — и всё, ты призрак, тебя нет в научном мире, как ни старайся, тебя никто не услышит.

Первые химические редакторы частично сняли эту боль. В ChemDraw ты рисовал структуру, а программа генерировала систематическое название (пусть и не всегда идеальное — но всё равно, и на том спасибо). Появилась возможность искать вещество не по названию, а по части структуры. Это был прорыв: ты просто рисовал часть молекулы, и машина искала её в базе. Но чтобы этот прорыв оценить, надо было сначала найти саму базу. И вот тут мы подходим к самому страшному — бумажным архивам.

Сегодня ты вводишь в поисковике «синтез аспирина» и за секунды получаешь сотни результатов. А ведь так недавно нужно было идти в библиотеку, этот огромный зал, заставленный стеллажами до потолка. А на них Chemical Abstracts — главный реферативный журнал химиков с 1907 года, где можно было отыскать краткие описания научных статей: кто сделал, что смешал, что получилось. Чтобы найти, как синтезировать новое вещество, надо было сначала по указателю формул найти его номер, потом по номеру — реферат, а затем идти в библиотеку и заказывать оригинал статьи, который могли прислать по почте через три недели. Химики старой закалки знали номера томов наизусть, как номера автобусных маршрутов: «Реакция Дильса – Альдера с алюминиевыми катализаторами? Это том 117, страницы 450–500». Сегодня это звучит как легенда. Но именно этот опыт научил нас главному: информация — это не просто слова, это структура. И как только компьютер научился её хранить и сортировать, химия перестала быть ремеслом, основанным на личной памяти «жрецов науки».

Помнится, я радовался как ребёнок, когда на смену бумажным томам пришли CD-ROM с базой Current Contents и рефератами. Один CD вмещал 650 мегабайт — сегодня это несколько не очень удачных фотографий с телефона, а тогда — целый шкаф рефератов. По тем временам это была фантастика, а ведь на самом деле скорость поиска по сравнению с современным интернетом всё равно была черепашьей. Потом в обиход начали входить DVD-диски, один такой диск мог вместить уже несколько гигабайт — целую энциклопедию. Казалось, что мы покорили информационное пространство. Если бы нам тогда сказали, что через пару десятилетий мы будем носить в кармане доступ ко всем этим базам, да ещё и с возможностью мгновенно перевести статью с немецкого, мы бы просто не поверили.

Существовали и специализированные базы данных. Protein Data Bank (PDB) — хранилище трёхмерных структур белков, Cambridge Structural Database (CSD) — структур органических и металлорганических соединений. Спектральные базы ЯМР, масс-спектров, ИК-спектров — всё это начинало переезжать с бумажных носителей в цифровые хранилища. Химик получал возможность сравнить свой свежеснятый спектр с библиотекой и воскликнуть: «О, это точно 2-метилбутанол-2!» — не листая атласы вручную и не ругаясь на плохое качество печати.

Ещё была платформа ChemWeb — нечто вроде интернет-портала для химиков. Там публиковались электронные версии журналов, там можно было обсудить статью, там даже выходил онлайн-журнал Alchemist. Сегодня это кажется архаикой, но на заре нулевых ChemWeb был предтечей ResearchGate и научных Slack-каналов. Мы только начинали понимать, что компьютер — это не просто калькулятор и пишущая машинка, а ещё и почтовый голубь.

Электронная почта уже была, но далеко не у всех. Зато существовали списки рассылки — прообразы тематических форумов. Ты подписывался на рассылку по органическому синтезу, и тебе на ящик периодически падало письмо с вопросами коллег со всего мира: «Кто-нибудь пробовал восстанавливать этот кетон боргидридом натрия?», «Где купить дешёвый палладиевый катализатор?». Ты читал, ухмылялся и чувствовал себя частью огромного невидимого братства. Это был медленный, асинхронный, но очень живой диалог. Прямой предок сегодняшних лабораторных чатов, где обсуждение идёт непрерывно, а мемы про хроматографию рождаются быстрее, чем ты успеваешь сказать «элюент».

А ещё компьютер начал командовать приборами. Хроматографы, спектрометры, многие другие приборы — вся эта братия обзавелась интерфейсами, позволявшими скидывать данные прямиком на жёсткий диск. Если раньше ты сидел с ручкой и переписывал цифры с индикаторов на приборах, то теперь ты получал файл, например, с временами удерживания и площадями пиков.

И, наконец, позволь представить тебе главного героя тогдашней вычислительной химии — DFT, теорию функционала плотности. Идея была благородная: не решать сложное уравнение Шрёдингера для каждого электрона в отдельности, а работать сразу с электронной плотностью. На бумаге — прорыв. На практике — бесконечная возня с выбором базисного набора и функционала, потому что каждый базис давал свои результаты, и ни один не был идеален.

Рисование формул, расшифровка названий, поиск литературы — эти ежедневные пытки химика XX века к 2000 году компьютер уже взял на себя, хоть и очень робко. Он рисовал лучше большинства химиков, искал быстрее их ног и рук, перебиравших пыльные тома, и лучше переводил с языка ИЮПАК на человеческий. Однако он всё ещё был инструментом, не предлагал гипотез, не говорил: «Эй, а попробуй-ка этот растворитель». Он был просто секретарём при господине-химике.

Попробуй сам

Теперь давай немного поиграем в машину времени. Первое задание — найди в интернете фотографию старой бумажной карточки Chemical Abstracts или реферативного журнала «Химия» (РЖХим). Например, набери в поиске «Chemical Abstracts printed index». Посмотри на эти мелкие строчки, пугающие сокращения, полное отсутствие картинок. А теперь представь, что тебе нужно найти в этом море бумаги одну-единственную реакцию — скажем, модификацию синтеза 2-аминопиридина, опубликованную в 1985 году. Ты идёшь в библиотеку, выписываешь номер тома и страницы, ждёшь, пока принесут подшивку, открываешь — а статья на немецком. Ты берёшь словарь и переводишь методику. Сколько времени у тебя ушло бы? День? Два? А теперь открой чат-бот с доступом в интернет и напиши: «Найди мне методику синтеза 2-аминопиридина по Чичибабину и переведи на русский». Через десять секунд у тебя будет не только реферат, но и полный текст с комментариями и, возможно, парой советов, как улучшить выход. Сравни ощущения.

Теперь давай нарисуем молекулу так, как это делает химик сегодня. Открой любой бесплатный редактор в браузере, например, Ketcher или MarvinSketch. Нарисуй аспирин — чтобы вспомнить одного из героев этой книжки, и кофеин — чтобы уважить всех, кто не может проснуться без чашки кофе. Теперь сохрани каждую структуру как SMILES-строку. Открой этот файл в блокноте и посмотри на строчку символов: что-то вроде CC(=O)OC1=CC=CC=C1C(=O)O для аспирина. Вот это — тот самый язык, на котором с молекулой будут общаться многие нейросети, роботы и базы данных из следующих глав.

Пока у нас нет собственного робота-синтетика, давай проведём эксперимент в виртуальной лаборатории. Зайди на сайт PhET Interactive Simulations и выбери любую химическую симуляцию — например, кислотно-основное титрование. Капай основание в кислоту и смотри, как ползёт pH, как меняется молекулярная картина на экране. Попробуй другие симуляции — растворимость солей, поведение газов. Что ты видишь на экране такого, чего никогда не покажет живой опыт? Симуляция не пахнет аммиаком и не взрывается, но она позволяет увидеть невидимое — например, анимацию того, как ионы перескакивают в раствор. Именно так, через числа и векторы, «видят» молекулы нейросети, о которых мы будем говорить совсем скоро.