Meta* представляет OMol25 и UMA — новые открытые ИИ-инструменты для молекулярных исследований

Meta выпустила OMol25 — крупнейший на сегодняшний день открытый набор данных для химии на основе ИИ — и представила UMA, универсальную модель ИИ, предназначенную для прогнозирования химических свойств молекул и материалов.

OMol25 содержит данные более чем 100 миллионов высокоточных молекулярных расчётов, что намного превышает объём любого предыдущего открытого набора данных в этой области. По данным Meta, для создания набора данных потребовалось более 6 миллиардов часов работы суперкомпьютеров. Набор данных охватывает широкий спектр молекул, от небольших органических соединений и биомолекул (например, фрагментов белков и сегментов ДНК) до комплексов металлов и электролитов. Он также включает заряженные и спиновые состояния, множественные конформации (пространственные расположения) и химические реакции ^[1].

Цель состоит в том, чтобы помочь моделям ИИ понять, как ведут себя молекулы в широком спектре сценариев. OMol25 доступен в открытом доступе для таких целей, как разработка лекарств, материалов для аккумуляторов и катализаторов. Помимо значений энергии и силы, набор данных включает дополнительные сведения, такие как распределение заряда, орбитали и другие химические свойства.

Набор данных OMol25 доступен на сайте Hugging Face ^[2].

Наряду с OMol25 компания Meta запускает UMA (универсальную модель атомов) — новую модель искусственного интеллекта ^[3], обученную на OMol25 и других наборах данных. UMA может прогнозировать химические свойства на атомном уровне и, по словам Meta, делает это намного быстрее, чем традиционные подходы.

В отличие от более ранних методов, которые требовали создания специализированной модели для каждой задачи, UMA подходит для широкого круга задач — от молекулярного моделирования (например, для разработки лекарств) до исследований в области материалов и катализа. Он построен на основе современных графовых нейронных сетей и использует архитектуру «Смесь линейных экспертов», которая сочетает в себе скорость и высокую точность. В тестовых испытаниях UMA показал результаты, которые ранее были возможны только при использовании специализированных, тщательно настроенных моделей.

С помощью UMA моделирование и расчёты, которые раньше занимали дни, теперь можно выполнить за секунды. Meta утверждает, что это может позволить исследователям проверять тысячи новых молекул на предмет их пригодности в качестве лекарств или материалов для аккумуляторов ещё до того, как потребуется лабораторный синтез.

Модели UMA также доступны на Hugging Face. ^[4]

Традиционным моделям ИИ обычно требовались большие объёмы обучающих данных для создания новых молекулярных структур. Теперь Meta представляет «совместную выборку» — новый метод, который позволяет моделям ИИ обучаться и предлагать новые структуры даже при отсутствии примеров из реального мира.

Этот метод основан на концепциях теории стохастического управления и использует диффузионные процессы, которые, по словам команды Meta, особенно хорошо подходят для моделирования молекул. Метод сопряжённой выборки позволяет быстро исследовать множество структурных вариантов с помощью всего нескольких вычислений.

В ходе первых испытаний при использовании метода получилось сгенерировать молекулярные конформации, которые не только соответствовали, но и часто превосходили классические программы — особенно для молекул с большим количеством гибких компонентов.

Модель, код и дополнительная информация доступны на Hugging Face ^[5] и GitHub ^[6].

Несмотря на эти достижения, Meta отмечает, что остаются нерешённые проблемы. Некоторые области химии, такие как полимеры, определённые металлы или сложные состояния протонирования, ещё не полностью изучены. Модели ИИ также нуждаются в улучшении способности прогнозировать заряды, вращения и взаимодействия на больших расстояниях.

*Meta и её продукты (Instagram, Facebook) запрещены на территории Российской Федерации

Источник ^[7]