```json
{
    "title": "Исследователи научили нейросети планировать синтез сложных молекул",
    "url": "https://gradnauki.ru/sci/124929",
    "datePublished": "2026-05-06",
    "dateModified": "2026-05-06",
    "language": "ru-RU"
}
```

# Исследователи научили нейросети планировать синтез сложных молекул

Создание новых молекул остается одной из наиболее трудоемких задач современной химии. Разработка лекарственных препаратов или новых материалов требует выстраивания последовательности реакций, для чего ученым часто необходимы десятилетия опыта и стратегического мышления. Традиционные методы планирования, такие как ретросинтетический анализ, предполагают движение от конечной цели к простым исходным веществам, что осложняется необходимостью выбора оптимальных строительных блоков и защиты чувствительных фрагментов молекул. Несмотря на способность современных компьютеров сканировать огромные массивы химических данных, им по-прежнему не хватает стратегического суждения, свойственного опытным специалистам.

Группа исследователей под руководством Филиппа Шваллера из Федеральной политехнической школы Лозанны предложила новый подход к решению этих задач. Ученые разработали систему Synthegy, которая использует большие языковые модели не для генерации структур, а в качестве инструмента логического анализа. Платформа объединяет классические алгоритмы поиска с искусственным интеллектом, способным интерпретировать стратегии химического синтеза на естественном языке. По словам авторов работы, опубликованной в журнале Matter, новый интерфейс позволяет химикам быстрее проверять сложные идеи, заменяя громоздкие системы фильтров обычным общением с моделью.

Основное преимущество нового метода заключается в возможности прямого взаимодействия исследователя с системой. Synthegy позволяет задавать инструкции простыми словами – например, требование сформировать определенное кольцо на ранних этапах или избегать лишних стадий защиты групп. Программное обеспечение генерирует множество возможных путей синтеза, а языковая модель оценивает каждый из них, ранжирует и обосновывает свой выбор. Это помогает ученым быстрее концентрироваться на стратегиях, которые соответствуют их конкретным целям.

Аналогичный принцип применен к изучению механизмов реакций, описывающих перемещение электронов. Программа разбивает процесс на элементарные шаги и анализирует возможные пути развития событий. Языковая модель отсеивает нереалистичные варианты, ориентируясь на заданные условия, температурный режим или экспертные гипотезы. Это позволяет ученым точнее предсказывать поведение химических систем и повышать эффективность экспериментов, минимизируя дорогостоящий метод проб и ошибок.

Эффективность системы была подтверждена в ходе слепого исследования, в котором приняли участие 36 профессиональных химиков. Специалисты провели 368 независимых оценок предложенных маршрутов, и в 71,2% случаев их выводы совпали с результатами работы алгоритма. Исследование показало, что система успешно выявляет лишние стадии и приоритизирует наиболее эффективные решения. При этом более крупные языковые модели продемонстрировали значительно лучшие способности к анализу сложных синтетических цепочек по сравнению с упрощенными версиями.

Разработчики подчеркивают, что их целью не является замена человека искусственным интеллектом. Платформа Synthegy позиционируется как интеллектуальный ассистент, помогающий интерпретировать и уточнять результаты сложных вычислений. Интеграция планирования синтеза и анализа механизмов реакций в рамках единого интерфейса может ускорить поиск новых лекарств и сделать передовые вычислительные инструменты более доступными для научного сообщества. Такой подход сокращает разрыв между теоретическим моделированием и практической работой в лаборатории.