MoreKnig.org

Химик в мире нейросетей: читать книгу онлайн полностью и бесплатно

Автор: Копылович Максимилиан



Шрифт:

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.

Совсем другой подход — диффузионные модели. Ты, наверное, видел, как Midjourney или DALL-E генерируют изображения по текстовому описанию. Ты пишешь «кот в скафандре на Марсе», и программа из случайного цифрового «шума» шаг за шагом проявляет картинку. Оказывается, ровно то же можно делать с молекулами и кристаллическими решётками: берётся реальная трёхмерная структура молекулы и постепенно добавляются в неё лёгкие случайные смещения атомов — шум. Через много шагов молекула превращается в бесформенное облако, где уже непонятно, где какой атом. А теперь мы учим нейросеть обратному процессу: из шума восстанавливать исходную структуру. Когда обучение закончено, мы можем подать сети случайный набор координат и сказать: «А теперь сделай из этого молекулу, похожую на лекарство от головной боли». И сеть шаг за шагом, слой за слоем «очищает» шум, расставляя атомы углерода, азота, кислорода в нужные позиции и создавая связи. Так работают современные генераторы новых материалов: они не перебирают триллионы вариантов, а лепят молекулу из тумана вероятностей, словно гончар из глины.

Третий способ увидеть молекулу — посмотреть на неё как на граф. В математике граф — это набор точек (вершин), соединённых линиями (рёбрами). В химии вершины — атомы, рёбра — связи. Графовые нейросети (GNN) работают так: каждый атом «рассылает» сообщения своим соседям о том, какой он (углерод, азот), с кем связан и в каком окружении находится. Соседи получают сообщения, обновляют своё представление о себе и снова рассылают. Через несколько раундов каждый атом «знает» не только о ближайших соседях, но и о том, что где-то на другом конце молекулы есть, скажем, гидроксильная группа. Это похоже на обмен сообщениями в групповом чате: через некоторое время ты уже в курсе, кто с кем встречается и где отдыхает, даже если этих людей и не знаешь лично. Схожим образом в GNN каждый атом становится носителем богатой информации о всей молекуле, и эту информацию можно потом использовать, чтобы предсказать растворимость, токсичность или энергию связывания с мишенью. Графовые сети особенно хороши для кристаллов и материалов — там, где важна

Итак, мы видим, что химики больше не привязаны к карандашу и бумаге. Молекула стала текучей: она может быть строкой символов для трансформера, облаком вероятностей для диффузионной модели или графом для GNN. Это и есть та самая смена языка, о которой мы говорили во введении: от дискретных палочек Кекуле мы перешли к непрерывным векторам, тензорам, скрытым пространствам. Так что в тот момент, когда ты нарисовал молекулу в ChemDraw и нажал «Copy as SMILES», ты уже превратил химию в текст, который понимает нейросеть.

Попробуй сам

Зайди на сайт Molecule of the Month или просто открой Википедию со статьёй про кофеин. Найди строчку SMILES — для кофеина это CN1C=NC2=C1C(=O)N(C(=O)N2C)C. Скопируй её. А теперь представь, что это не просто символы, а координаты молекулы в особом пространстве, где каждая буква и скобка имеют свой числовой код. Ты можешь прямо сейчас вставить этот SMILES в онлайн-конвертер вроде Chemicalize (он бесплатный для небольших молекул) и увидеть, как машина мгновенно вычисляет свойства, даже не «глядя» на формулу. Попробуй мысленно проделать обратный путь: глядя на длинный вектор чисел, восстанови структуру. Именно это делают диффузионные модели — но, конечно, с нечеловеческой скоростью. Если хочешь прикоснуться к идее графов, скачай бесплатную программу Cytoscape и построй простейший граф метана — четыре водорода вокруг углерода. А потом вообрази, что по этим рёбрам бегают сообщения от атома к атому, и каждый атом постепенно узнаёт, что он — часть тетраэдра. Вот так графовые нейросети и улавливают стереохимию.

Ну а для тех, кто уже не боится Python: найди в открытом доступе датасет растворимости ESOL, с помощью библиотеки RDKit переведи молекулы в молекулярные фингерпринты и обучи простенький Random Forest предсказывать растворимость в воде. Ты в миниатюре повторишь ровно то, о чём мы говорили: модель превращает молекулы в векторы и учится на готовых экспериментальных данных, предсказывая свойство за секунды — без всяких квантовых расчётов.

 

 

Глава 7. Некоторые модели: от GNoME до MatterGen

В прошлой главе мы научились превращать молекулы в векторы, графы и даже в облака вероятностей. Но всё это были одиночные молекулы, а что если тебе нужно спроектировать материал-кристалл, в котором миллиарды атомов выстроены в строгом порядке и от которого зависит, будет ли твой телефон работать сутки без подзарядки, а электромобиль проезжать тысячу километров? Раньше поиск такого материала был сродни прочёсыванию миллионов стогов сена в поисках одной иголки. Но сегодня у нас есть такие помощники, как графовые пророки вроде GNoME и диффузионные творцы вроде MatterGen.

Допустим, нам нужно найти новый материал для катода литиевого аккумулятора — такой, который был бы стабилен, не разлагался при зарядке и при этом хорошо проводил ионы лития. Пространство возможных комбинаций химических элементов практически бесконечно. Даже если ограничиться разумными рамками, речь идёт о десятках миллиардов потенциальных кандидатов. Сколько из них стабильны? Традиционная квантовая химия (DFT) могла проверить стабильность одной структуры за часы или дни. С такими темпами на перебор ушли бы столетия. К тому же слепой перебор давал мизерный выход: «попаданий» — реально стабильных новых соединений — было около одного процента.

И тут в игру вступает GNoME (Graph Networks for Materials Exploration) от компании Google DeepMind, о котором мир узнал в 2023 году. GNoME — это графовая нейросеть, обученная на сотнях тысяч известных кристаллических структур из Materials Project и других баз. Помнишь, как графовые сети позволяют атомам «общаться» и собирать информацию о соседях? Здесь та же идея, но для периодических решёток. GNoME представляет кристалл не как картинку, а как граф с атомами в узлах и связями между ними. Она проглатывает известные стабильные и нестабильные структуры и учится по одним только графовым признакам угадывать, «выживет» ли данный кандидат. Точность предсказания стабильности новых кристаллов взлетела с ~1% у DFT-скрининга до более чем 80%. Так, GNoME предложила ~2,2 млн кандидатов, из которых ~380 тыс. сочтены стабильными.

GNoME — мощный фильтр, но она оценивает уже готовые структуры, предложенные человеком или случайным генератором. А что если мы хотим не выбирать из меню, а заказать блюдо по вкусу? Нужен материал с определённой шириной запрещённой зоны для солнечной батареи или с максимальным модулем упругости для корпуса космического спутника? Именно это умеет MatterGen — модель от Microsoft Research, представленная в 2025 году. MatterGen — диффузионная модель, которая не ищет готовые структуры, а генерирует кристалл «с нуля», стартуя из шума. Вспомни, как Midjourney рисует кота по описанию. Здесь то же самое, только вместо пикселей — положения атомов, тип элемента и параметры решётки. Ты задаёшь целевое свойство (например, «ширина запрещённой зоны 1,5 эВ»), и MatterGen шаг за шагом проявляет из шума кристаллическую структуру, которая с высокой вероятностью будет обладать именно этим свойством. Это прямой наследник диффузионных моделей для молекул, но масштабированный на периодические твёрдые тела. Создатели называют её «первой универсальной генеративной моделью для неорганических материалов, способной превзойти традиционные подходы».

GNoME и MatterGen — это математические модели. Они оперируют векторами, энергиями решёток и структурными фингерпринтами (типичными структурными блоками). Так что предсказанная стабильность ещё не означает, что материал можно получить в колбе (или в печи). Часть кандидатов, предложенных GNoME, при ближайшем рассмотрении оказались неупорядоченными твёрдыми растворами, которые не имеют строгой периодичности, а значит, не могут считаться новым соединением. Другие и вовсе были синтезированы ещё в 1970-х годах и хранились в малоизвестных базах данных: нейросеть «переоткрыла» велосипед, просто потому что он не попал в её обучающую выборку. Это хороший урок критического мышления, к которому мы ещё вернёмся позже. Искусственный интеллект генерирует гипотезы, а не истины. Каждый предсказанный материал — это приглашение к эксперименту, а не готовый патент. И тут на сцену выходит тот, кто умеет превращать цифру в вещество: робот-химик.

Представь лабораторию, где вообще нет людей. Манипулятор взвешивает порошки оксидов, загружает их в печь, обжигает при точной температуре, а потом другой автомат снимает рентгеновскую дифрактограмму. Это и есть автономная лаборатория в Беркли (A-Lab). Она построена как раз для того, чтобы ставить опыты по заявкам от ИИ вроде GNoME. Цикл выглядит так: GNoME или MatterGen выдаёт список перспективных структур. Автономная лаборатория берёт их в работу: дозирует прекурсоры, спекает, отжигает. Встроенный рентгеновский дифрактометр анализирует продукт. Алгоритм сравнивает полученную картину с предсказанной и решает: успех или нужно изменить условия. Результат идёт обратно ИИ, улучшая следующие предсказания. За несколько месяцев непрерывной работы такая лаборатория синтезировала и подтвердила десятки новых соединений из списка GNoME, показав, что замкнутый цикл «гипотеза → синтез → проверка → новая гипотеза» — это не фантастика, а реальность. Раньше такой путь от идеи до публикации занимал годы; теперь — дни.

Попробуй сам

Зайди на сайт Materials Project. В строке поиска набери LiFePO₄ — это материал катода твоего будущего электросамоката. Ты увидишь его кристаллическую структуру: как шарики кислорода, железа, фосфора и лития складываются в решётку, увидишь предсказанную энергию образования и зонную диаграмму. Поиграй с другими материалами: NaCl (поваренная соль), SiO₂ (кварц). Сравни, насколько они стабильны, как выглядят их графовые сети связей. А теперь попробуй найти материал с конкретным свойством — например, шириной запрещённой зоны около 1,5 эВ для солнечной батареи. Почувствуй себя материаловедом, который ищет иголку в стоге сена, но с мощнейшим ИИ-фонариком. Обрати внимание на статус каждого кандидата: где-то написано «predicted», где-то — «experimental». Что это значит? Если материал только предсказан, а экспериментально никто его ещё не получил, — это всё ещё гипотеза. GNoME может считать его стабильным, но пока A-Lab или другая лаборатория не подтвердит это, красивая решётка остаётся просто картинкой. Именно здесь проходит граница между «ИИ нарисовал» и «материал синтезировали». И это возвращает нас к важнейшей теме критического мышления: не всё, что предсказано, можно подержать в руках. Ну а пока — представляй, как робот-манипулятор взвешивает порошки для твоего будущего рекордного аккумулятора.

 

 

Глава 8. На стыке химии и биологии

До сих пор мы говорили о молекулах и материалах, которые химик придумывает и синтезирует сам: лекарства, полимеры, катализаторы. Но есть класс молекул, который природа оттачивала миллиарды лет, — белки. Они умеют сворачиваться в эффективные наномашины, ускорять реакции в миллионы раз и собираться в сложные ансамбли. Ещё вчера расшифровка структуры одного-единственного белка занимала годы и стоила как крыло самолёта. А сегодня школьник с ноутбуком может за минуту получить трёхмерную модель белка, более того, он может придумать совершенно новый белок, которого нет в природе. Давай посмотрим, как искусственный интеллект превратил биологию в раздел химии, а химиков — в архитекторов живых молекул.

Как известно, от уникальной трёхмерной структуры белка зависит, будет ли он переносить кислород (как гемоглобин), переваривать пищу (как пепсин) или поглощать и излучать свет (как флуоресцентный белок). Понять, какая структура получится из данной последовательности аминокислот, — это и есть «проблема фолдинга белка». Экспериментальные методы вроде рентгеноструктурного анализа были дорогими и медленными, а компьютерные расчёты вязли в астрономическом числе возможных конформаций. В 2020 году компания DeepMind представила AlphaFold2 — нейросеть, которая по аминокислотной последовательности предсказывала структуру белка с точностью, сопоставимой с экспериментом. Это было не просто улучшение на пару процентов — это было решение задачи, над которой бились полвека. В 2024 году Нобелевская премия по химии была присуждена Демису Хассабису, Джону Джамперу (создателям AlphaFold) и Дэвиду Бейкеру — пионеру вычислительного дизайна белков. Обрати внимание: премия по химии, а не по биологии. Потому что предсказание и дизайн структуры белков — это химия, просто молекула очень большая и сложная.

Если без формул: AlphaFold работает как умный детектив, который ищет корреляции в базе данных известных белковых структур и множественных выравниваний последовательностей. Он берёт цепочку аминокислот и строит попарные карты расстояний между всеми парами остатков, а затем итеративно «лепит» трёхмерную модель, похожую на оригами. Нейросеть учится на примерах: вот так выглядят альфа-спирали, вот так — бета-листы, а если в поворотной петле стоит глицин, то здесь будет резкий изгиб. Это аналог графовых и трансформерных моделей, только для последовательностей. Через несколько дней после выхода AlphaFold2 учёные по всему миру начали предсказывать структуры белков, которые раньше были недоступны, включая белки вирусов и ключевые ферменты.

В 2024 году вышла следующая версия — AlphaFold3. Она шагнула дальше и научилась предсказывать не только одиночные белки, но и их комплексы — с ДНК, РНК, маленькими молекулами-лигандами (лекарствами), кофакторами, ионами металлов. Теперь можно посмотреть, как потенциальное лекарство «садится» в активный центр фермента, ещё до того, как ты его синтезировал. Можно увидеть, как РНК-полимераза связывается с ДНК-матрицей или как хлорофилл с ионом магния удерживается в активном центре светособирающего белка. AlphaFold3 объединяет все эти взаимодействия в единой модели, и это уже прямой мост от генетики к химическому синтезу. Потенциально ты можешь придумать ингибитор для вирусного белка, загрузить последовательность белка и свою молекулу в AlphaFold3 и через минуту получить картину их совместной укладки.

Но самое захватывающее — это не предсказание существующего, а создание нового. Группа Дэвида Бейкера (того самого нобелевского лауреата) разработала RFdiffusion — диффузионную модель, которая генерирует белки «с нуля» под заданную функцию. Ты помнишь, как диффузионные модели вроде MatterGen рождают кристаллы из шума? Здесь тот же принцип, только для полипептидных цепей. Ты говоришь: «Хочу белок, который будет связывать молекулу X и катализировать реакцию Y, а активный центр пусть содержит цинк и два гистидина». Модель, обученная на десятках тысяч реальных белковых структур, «вытанцовывает» из случайного шума аминокислотную последовательность и её трёхмерную укладку, которые удовлетворяют этим условиям. Такой дизайн ферментов-катализаторов — это ретросинтез наоборот. В обычном ретросинтезе ты смотришь на сложную молекулу и думаешь, из каких простых кубиков её собрать. В дизайне белка ты смотришь на желаемую реакцию и думаешь, какой катализатор её осуществит. Раньше химики пытались конструировать активные центры вручную, полагаясь на интуицию и квантовые расчёты, и часто терпели неудачу: белок не сворачивался или не работал. RFdiffusion и её расширение RFdiffusion3 учатся на удачных и неудачных дизайнах и выдают кандидатов с высокой вероятностью успеха. Уже сейчас получены десятки искусственных ферментов, для которых природа не создала аналогов.

Попробуй сам

Это как раз тот случай, когда слова «Нобелевская премия» и «твои руки» стоят в одном предложении. Зайди на сайт UniProt и найди запись для инсулина человека (например, P01308). Обрати внимание: инсулин состоит из двух цепей (A и B), соединённых дисульфидными мостиками. Открой AlphaFold Server, вставь эту последовательность (тебе понадобится скопировать обе цепи через двоеточие как разделитель, например цепь_A:цепь_B) и запусти предсказание структуры. Внимание: для работы с мультимерными белками в AlphaFold Server используется режим предсказания комплексов. Через несколько минут ты получишь трёхмерную модель белка, за расшифровку которого когда-то давали отдельные премии. Покрути её, найди альфа-спирали (они похожи на пружинки) и бета-листы (стрелочки). А теперь сравни свою модель с реальной структурой инсулина в банке данных RCSB PDB (код 1TRZ). Насколько они похожи? И эта симуляция — та самая технология, за которую дали Нобелевскую премию по химии 2024 года.

 

 

Перейти на стр:
Шрифт:
Продолжить читать на другом устройстве:
QR code

Новые книги

Смотреть все
Развод. Второй шанс.
Развод. Второй шанс.
[Психология / Секс и семейная психология / Проза / Современная проза]
Двадцать лет я была идеальной декорацией для его успешной жизни. Валентина Берёза — законная жена, которая терпит , держит лицо перед прессой и воспитывает двоих детей. Наш брак превратился в грязную
0
Развод. Симптомы лжи. Книга 1
Развод. Симптомы лжи. Книга 1
[Психология / Секс и семейная психология / Медицина / Современная проза]
– Ты этого не сделаешь, – сказал он, когда я сказала про развод. – Ты никто без меня. Приползёшь обратно. – Хорошо, что ты так думаешь. Потому что я не приползу. И все сделаю, чтобы тебя больше не
0
Дворник 39-го уровня. Том 16
Дворник 39-го уровня. Том 16
[Современная проза / Приключения / ЛитРПГ (LitRPG) / Юмор]
Первый том здесь Современная Россия, июль 2026 года. Наш герой тяжело болеет и чтобы заработать на лекарства, он и его мать пашут как проклятые. Но в один прекрасный день всё меняется, он
0
Путь к бессмертию. Том 8
Путь к бессмертию. Том 8
[Роман / Приключения / Фантастика]
Я умер преданный всеми. И переродился в мире бессмертных культиваторов. Тут у меня нет ни таланта, ни богатой семьи. Только желание — никогда больше не умирать. Кто сказал, что без таланта и
0
Жнец и Ворон
Жнец и Ворон
[Детективы / Триллер / Боевик / Современные любовные романы]
????Дарк–роман.???? Справедливость не всегда приходит в мантии судьи. Иногда она приходит в маске. И с ножом в руке. В криминальном подполье шепчут два имени — Ворон и Жнец. Они появляются там, где
0
Врач для Алисы. Босс под прикрытием
Врач для Алисы. Босс под прикрытием
[Дом и семья / Психология / Секс и семейная психология / Современная проза]
— Вашей дочери нужен живой отец. — А вам какое дело? Вы — врач. Пришли, ушли, получили деньги. — А ещё я ваша соседка и три месяца смотрю, как Алиса разговаривает только с моим котом, потому
0
Система Геймдизайнера Олдфага. Том 1
Система Геймдизайнера Олдфага. Том 1
[Проза / Современная проза / Приключения]
В мире пережившим апокалипсис, люди живут в густонаселенных, высокотехнологичных городах, а все за их пределами населено жуткими монстрами, зомби и смертоносными порождениями магии. Люди
0
Добро Пожаловать в Бездну Том 8
Добро Пожаловать в Бездну Том 8
[Приключения / Фантастика / Фэнтези]
Японский студент Оримура Кейта неожиданно просыпается в странном месте похожем на его родной мир, но только разрушенный, наполненный чудовищами, магией и странными законами бытия, похожими на
0
Целительница для палача
Целительница для палача
[Любовное фэнтези / Приключения / Фэнтези]
Я умерла, спасая пациента, — и проснулась в чужом теле. Попаданка. Второй шанс? Пять лет назад я не села на свой самолёт. Жених, родители, друзья — погибли без меня. С тех пор я спасаю чужие
0
Легенда о неклишированном герое 1
Легенда о неклишированном герое 1
[Фэнтези / Попаданцы / Юмор]
Я спас девушку из-под автобуса. Она оказалась не совсем человеком и в благодарность устроила мне новую жизнь — с памятью, благородным происхождением и даром без «верхнего предела». Теперь я
0
Плохой человек. Том 1. Небеса ненавидят нас всех
Плохой человек. Том 1. Небеса ненавидят нас всех
[Боевик / Современная проза / Приключения / Фэнтези]
Что делать, когда у тебя отнимают всё? Что делать, когда от смерти отделяет один-единственный выбор? Что делать, когда всё, что ты знал, перестает иметь значение? У тебя нет ответов на эти
0
Ведьма и 7 принцев тьмы
Ведьма и 7 принцев тьмы
[Триллер / Проза / Приключения / Фэнтези]
Аврора вернулась домой, но дом не узнал её. Пять лет — целая жизнь — исчезли из её памяти как выжженные страницы: в руке висит амулет, в груди — пустота, а вокруг — мир, где тёмная сила тянет нитки
0

Самые популярные книги

Хорошая, плохая, грешная 3
Хорошая, плохая, грешная 3
[Попаданцы]
У Эвирейл Миардо нет ни единой свободной минутки на грусть и рефлексию! Да и когда? Столько дел, столько дел! Шахту выкопай, лавку открой, артефакты создай, эльфа за попу укуси... Ничего не
12
Хозяйка Тиховодья. Развод на краю болот
Хозяйка Тиховодья. Развод на краю болот
[Любовное фэнтези / Попаданцы]
- Двадцать четыре года, Веста. Наследника нет. Подпиши, и получишь Тиховодье. - А где это? - На краю Хляби. Тихо, сыро, никого. Утром я собирала клюкву в Мещёре и шагнула в болотное окно. Очнулась в
13
Те, кто приходит в тишине
Те, кто приходит в тишине
[Альтернативная история / Попаданцы / Самиздат / Боевая фантастика]
Редкий бой бывает похож на предыдущий. Мы учимся. На своих и на чужих ошибках. Стараемся расти над собой. Противник – тоже. Он анализирует наши ошибки, учитывает остроумные решения. То есть
10
Последняя Гадина империи
Последняя Гадина империи
[Попаданцы / Бояръ-Аниме / Русское фэнтези / Самиздат]
Пятьсот лет назад я была прославленным зельеваром, матриархом и почтенной основательницей династии. А сегодня очнулась в теле изнеженной барышни на пепелище семейной усадьбы и обнаружила, что весь
8
Петербургский врач 11
Петербургский врач 11
[Военное дело, спецслужбы / Медицина / Проза / Современная проза]
Вадим – хирург и микробиолог, попавший волей судьбы в Петербург 1904 года, в тело медицинского секретаря, работающего у богатого врача-мошенника. …Во дворах-колодцах тускло горят газовые фонари.
7
Второй шанс для Лекаря. Том 8
Второй шанс для Лекаря. Том 8
[Альтернативная история / Попаданцы / Исторические приключения / Самиздат]
Аннотация с первого тома: Умереть после спасения чужой жизни — не самый плохой финал для врача. Всю свою жизнь я посвятил медицине. Последняя операция стала для меня одновременно победой и
5
Имперец. Ранг 4. Воевода
Имперец. Ранг 4. Воевода
[Боевая фантастика / Боевое фэнтези]
Спасение цесаревича от пули принесло Александру титул, должность личного телохранителя и редкую магию стихий. Теперь он – правая рука наследника престола и командир его личного отряда особого
6
Измена. Я тебя (не) любил
Измена. Я тебя (не) любил
[Современные любовные романы]
— Как тебе… — слышу прерывистый голос подруги, — мой подарок в честь твоего дня рождения?По меньшей мере иду я в верном направлении. Но вот предчувствие не из лучших. Голос Светы перемешивается со
6
Замок над морем
Замок над морем
[Героическая фантастика / Любовное фэнтези]
Волны перемешивают гальку, жизнь перемешивает людские судьбы. Воины и рабы, дети Ардена и слуги Ириона, все равны перед вечностью. Казалось бы, все решено, расставлены фигуры и начата игра. Но
5
Наследник $$$ уровня Х
Наследник $$$ уровня Х
[Попаданцы / Книги про волшебников / Городское фэнтези / Самиздат]
Надо судить человека, прежде чем полюбил его, ибо, полюбив, уже не судят.
4
Тени сумрака
Тени сумрака
[Альтернативная история / Попаданцы / Боевая фантастика / Самиздат]
Один известный драматург сказал: вся жизнь – театр. А у Егора вся жизнь сплошное приключение. Вроде и не собирался ни с кем воевать, даже ссоры не искал, а неожиданно для себя вдруг нарвался на
4
Оружейникъ. 1866
Оружейникъ. 1866
[Попаданцы / Альтернативная история / Самиздат]
Умереть в шестьдесят шесть, заслонив собой молодого стажёра, — достойный финал для оружейника. Очнуться в теле семнадцатилетнего подручного на Тульском оружейном заводе в 1866 году — уже второй
4

Самые комментируемые

Замок над морем
Замок над морем
[Героическая фантастика / Любовное фэнтези]
Волны перемешивают гальку, жизнь перемешивает людские судьбы. Воины и рабы, дети Ардена и слуги Ириона, все равны перед вечностью. Казалось бы, все решено, расставлены фигуры и начата игра. Но
5
Семья для брошенки. Вторая жизнь с нуля
Семья для брошенки. Вторая жизнь с нуля
[Любовная фантастика / Самиздат / Попаданцы]
Семь лет унижений, презрения и пустой постели. Герцог Дрейк Ашфорд объявил свою истинную жену бракованной и отправил в ссылку на Ольцег — умирать среди таких же «ненужных». Он думал, что сломал
22
Отбор невест, или Три орешка для темного
Отбор невест, или Три орешка для темного
[Любовная фантастика]
Каждая приличная драконица должна пройти отбор невест, иначе внукам у камина будет нечего рассказать. Так говорила моя маменька, а ей можно верить — за ее спиной аж четыре таких отбора! Так что я
14
Печать Забытой Эпохи
Печать Забытой Эпохи
[Любовная фантастика / Попаданцы]
— Скажи спасибо, что не оставил босой на улице, Верадель. Забирай свои проклятые северные руины и убирайся, — самодовольно бросил мне бывший муж, швырнув на стол бумаги о разводе. Он думал, что
25
Кодекс Магических Зверей XI
Кодекс Магических Зверей XI
[РеалРПГ (RealRPG) / Попаданцы / Городское фэнтези]
Десятки лет спасения жизней и смерть на полу собственной ветеринарной клиники. Только вместо небытия — пробуждение в теле юнца, чья лавка «целителя чудовищ» на грани полного развала. Вот только у
1
Хозяйка Тиховодья. Развод на краю болот
Хозяйка Тиховодья. Развод на краю болот
[Любовное фэнтези / Попаданцы]
- Двадцать четыре года, Веста. Наследника нет. Подпиши, и получишь Тиховодье. - А где это? - На краю Хляби. Тихо, сыро, никого. Утром я собирала клюкву в Мещёре и шагнула в болотное окно. Очнулась в
13
Шахматистка. Выжить на Арене Смерти
Шахматистка. Выжить на Арене Смерти
[Любовное фэнтези / Попаданцы / Книги про волшебников / Самиздат]
Кто-то попадает в имбовых персов: Избранных, Тёмных властелинов и прочих крутых ребят. А я попала в тело бездарной адептки магической академии. Как она сюда поступила-то, без грамма магии? Неважно,
13
Пулеметчик Федя
Пулеметчик Федя
[Альтернативная история / Юмористическая фантастика / Попаданцы / Самиздат]
Пулеметчик — это не звание, это диагноз. Тридцать пять лет, пулемёт «Печенег», рукавица прилипла к раскалённому кожуху — и здравствуйте: июнь сорок первого, чужие двадцать два года, чужие руки,
10
Диагноз
Диагноз
[Самиздат / Детективная фантастика / Городское фэнтези / Юмористическая фантастика]
Некромантия в нашем мире давно стала такой же частью жизни, как радио, кино, телефоны и аэропланы. Но разве могла я подумать, что однажды приду наниматься на службу к лучшему некроманту столицы! Он —
18
Ведьма и Экзорцист. Второй шанс на жизнь
Ведьма и Экзорцист. Второй шанс на жизнь
[Детективы / Триллер / Любовное фэнтези / Фэнтези]
Приказ ясен: отравить Дерека вель Гранна. Последствия – костёр и пепел. Белладонна уже прошла этот круг, сгорела и получила второй шанс. Теперь она знает, что приказ – лишь верхушка заговора, в
4
Последняя Гадина империи
Последняя Гадина империи
[Попаданцы / Бояръ-Аниме / Русское фэнтези / Самиздат]
Пятьсот лет назад я была прославленным зельеваром, матриархом и почтенной основательницей династии. А сегодня очнулась в теле изнеженной барышни на пепелище семейной усадьбы и обнаружила, что весь
8
Железный характер Кристианы Морли
Железный характер Кристианы Морли
[Любовная фантастика / Попаданцы / Классическое фэнтези]
Удар копытом лошади рушит блестящие перспективы дебютантки. По мнению общества, хромота испортила не только плавную поступь девицы, но и характер! Это ж надо умудриться — вместо монастыря или
38

Прямо сейчас читают

Друг отца. Под кожей греха
Друг отца. Под кожей греха
[Современные любовные романы / Эротика, Секс]
Одни связи стоит разрывать. Другие — нельзя называть вслух. Он знал, что переступает черту. Она — что играет с огнём. Но чем сильнее их пытались разъединить, тем крепче
2
Гимн шута XXIV
Гимн шута XXIV
[Боевое фэнтези / Попаданцы]
Книга двадцать четыре: Мечтаешь о силе Великого Воина или мощи Архимага? Призови Дух предка при помощи древнего ритуала! Только помни, что Судьба пошутить тоже любит. Так что "просьбу" она твою
1
7 дней на месть
7 дней на месть
[Короткие любовные романы]
Я с ненавистью смотрела на огромное окно кофейни. — Убью. Убью гадину, — процедила сквозь зубы. Это вырвалось само. Пришло внезапно, нахлынуло вместе с подступившими слезами. Там, где-то за
1
Зарубежный детектив 2026-12. Компиляция. Книги 1-10
Зарубежный детектив 2026-12. Компиляция. Книги 1-10
[Детективы / Криминальный детектив / Полицейский детектив / Триллер]
Настоящий томик зарубежного детектива содержит детективы разных жанров и и вполне сможет завоевать симпатии читателей детективов включённых в сборник! Приятого чтения, уважаемый читатель!
0
Облава
Облава
[Боевик]
Вор в законе Варяг, смотрящий по России, чудом уцелев после коварного покушения на его жизнь, готовится к тайной встрече с влиятельным кремлевским чиновником. Им предстоит разговор, который может
0
Время прощаний и встреч
Время прощаний и встреч
[Биографии и Мемуары / Критика / Публицистика]
Книгу известного советского поэта, драматурга, видного общественного деятеля, лауреата Государственных премий СССР и РСФСР Анатолия Софронова составляют статьи, очерки, воспоминания. Автор делится
0
Пылать мне ярко
Пылать мне ярко
[Современная проза / Историческая проза]
Впечатляющая история о том, на что приходилось идти женщинам, чтобы выжить в эпоху мрачного Средневековья. В Ирландии XIII века самостоятельная женщина не могла не вызывать подозрений. И Алиса, дочь
0
Хранитель Пути Зверя. Том 2
Хранитель Пути Зверя. Том 2
[Книги про волшебников / Попаданцы]
Здесь секты воюют за ресурсы, духовные звери бродят по горам, а с небес начинают спускаться древние боги-хранители. Любая ошибка — и ты труп. У меня нет великого наследия и сильного покровителя. Зато
1
Нейронафт. Часть 2
Нейронафт. Часть 2
[Боевая фантастика / Попаданцы / Самиздат]
Вторая часть о самом безбашенном герое всех времён и народов, который идёт к своей цели по колено в крови убитых им тварей! ---------------------------------------------------------- Игра на
1
Дом вверх дном, или поместье с сюрпризом
Дом вверх дном, или поместье с сюрпризом
[Любовная фантастика]
Никогда не грозите хулиганам расправой, иначе рискуете оказаться в другом мире. Я попала в настоящий переплет, получив новое тело, способность понимать язык животных и поместье с призраком в придачу.
0
Слабое звено Академии Драконов
Слабое звено Академии Драконов
[Любовная фантастика]
В Академии Скаймора учатся только драконы. Но я — обычный человек, отправленный сюда по академическому обмену. Здесь все меня считают слабым звеном, но тогда зачем меня так настойчиво пытаются
0
Обмен
Обмен
[Детективы / Триллер]
Пятнадцать лет назад Митч Макдир и его жена Эбби сбежали от гангстеров, заправлявших коррумпированной фирмой «Бендини, Ламберт энд Лок». Скрываясь, пара несколько лет прожила за границей, а затем
1