Химик в мире нейросетей - Максимилиан Копылович Страница 6

как картинки и скорми Teachable Machine в качестве двух новых классов. Обучи модель и проверь на тех молекулах, которые не показывал. Где она ошибётся? Может, перепутает бензальдегид с ароматическим спиртом? Или не узнает вторичный спирт, потому что ты показал ей только первичные? Это и есть главный урок: нейросеть хороша ровно настолько, насколько разнообразны её тренировочные данные. А в следующей главе мы посмотрим, почему даже очень «умная» физика иногда проигрывает такому вот обучению на примерах.

 

 

Глава 3. Почему DFT перестала быть главной надеждой

В прошлой главе мы выяснили: нейросеть — это не магия, а просто очень быстрый ученик, который смотрит на миллионы примеров и находит закономерности. Но у тебя, возможно, остался вопрос: а зачем вообще нужен этот ученик, если есть «честная» физика? Есть же квантовая механика, уравнение Шрёдингера, точные расчёты электронной структуры. Неужели недостаточно просто взять и посчитать молекулу из первых принципов? Ведь программы вроде GAMESS и GAUSSIAN позволяют рассчитать электронную структуру молекул, предсказывать геометрию, энергии связей и даже моделировать переходные состояния реакций. Звучит круто, правда? Но, как часто бывает, вся соль в деталях.

Чтобы предсказать погоду на завтра, ты можешь пойти «честным» путём: взять уравнения гидродинамики, учесть каждую молекулу воздуха, каждую каплю воды, каждый порыв ветра. Проблема в том, что для этого тебе понадобится суперкомпьютер размером с галактику и несколько миллионов лет на расчёт. А пока он считает, погода уже наступит. Примерно так работает DFT — теория функционала плотности, главный инструмент квантовой химии последних сорока лет. Но вместо того чтобы решать уравнение Шрёдингера для каждого электрона, метод работает с электронной плотностью — более грубой, но доступной величиной. Зная, как «размазаны» электроны, можно вычислить энергию молекулы, её геометрию и даже предсказать, как пойдёт реакция. Нобелевская премия по химии 1998 года была вручена в том числе за развитие DFT. Но вот нюанс: DFT работает тем точнее, чем меньше молекула. Для атома гелия — хорошо, для бензола — терпимо, для белка из тысячи атомов — всё, приехали. Точный расчёт требует времени, которое быстро растёт с размером системы. Это как пытаться описать ураган, отслеживая траекторию каждой снежинки: физика верна, но масштаб делает её бесполезной. Ты можешь рассчитать геометрию аспирина, но попроси DFT

Но даже для маленьких молекул DFT преподносит сюрпризы. Дело в том, что химическая точность — это не когда «похоже», а когда «попадание в яблочко». Энергия активации реакции — горка, на которую должен взобраться реагент, чтобы превратиться в продукт, — определяет скорость реакции через уравнение Аррениуса. В этом уравнении энергия активации — в показателе экспоненты. Это значит: ошибка всего в 5 ккал/моль даёт ошибку в скорости реакции на порядки! Допустим, DFT предсказала энергию активации 20 ккал/моль. Ты радостно рассчитываешь выход за час — 90%. Но реальная энергия активации — 25 ккал/моль, то есть на 5 ккал/моль выше. При комнатной температуре это различие (всего-то 20% от числа) означает, что скорость реакции упадёт не на 20%, а примерно в 4500 раз. Ты ждёшь час, а ждать придётся полгода. Или наоборот: DFT обещает, что реакция еле ползёт, а происходит взрыв, потому что энергия оказалась на 5 ккал/моль ниже. Вот почему ошибка в 5 ккал/моль — это вовсе не мелочь. Химия не прощает таких приближений.

И вот тут на сцену выходят ML-потенциалы — гибридные модели, которые решают проблему без ручной подгонки. Вместо того чтобы каждый раз заново решать уравнение Шрёдингера, они учатся на готовых данных: либо на результатах очень точных (и очень дорогих) квантовых расчётов для маленьких систем, либо сразу на экспериментальных величинах. Нейросеть запоминает: «Если окружение у атома углерода такое-то, его энергия будет примерно такой-то». И когда ей показывают новую, большую молекулу, она не считает всё с нуля, а собирает ответ из выученных кусочков.

Итак, главный вывод: честная физика — это прекрасно, но непрактично. DFT научила нас многому, дала язык для обсуждения электронных эффектов, помогла объяснить тысячи реакций. Но она не стала тем универсальным предсказателем, о котором мечтали в 1990-е. Потому что химия слишком сложна, слишком многомерна, слишком нелинейна, чтобы её можно было «просто посчитать». Сегодня мы перестаём спрашивать: «Какова точная волновая функция этой молекулы?» Мы спрашиваем: «На какие из миллиона известных реакций похожа эта, и какой у них был исход?» Это не значит, что мы отказались от физики. Мы просто перестали делать вид, что можем вывести всю химию из уравнения Шрёдингера, и начали использовать пресловутую «химическую интуицию», только теперь носитель интуиции — не человек, а нейросеть, обученная на огромном массиве химического знания. А пока попробуй прикоснуться к DFT и понять, почему мы так долго на неё надеялись и почему всё же пошли дальше.

Попробуй сам

Открой любой бесплатный онлайн-калькулятор квантовой химии (например, WebMO Demo) и попробуй посчитать энергию молекулы воды. Просто воды, H₂O. Сначала с одним базисом (скажем, STO-3G), потом с другим (6-31G). Сравни результаты — они будут разными. А теперь подумай: ты ведь не менял саму молекулу, так почему ответ плывёт? Поздравляю, ты только что прикоснулся к той самой проблеме, из-за которой DFT-расчёты называли «подгоночными». А теперь нарисуй аспирин и запусти оптимизацию геометрии с самым простым DFT-методом, например B3LYP/3-21G. Засеки время. А теперь сделай мысленное упражнение: представь, что тебе нужно посчитать поведение не одной молекулы, а ста тысяч похожих — например, ты ищешь новое лекарство и перебираешь все возможные варианты. Умножь свои минуты на сто тысяч. Получились месяцы. Именно поэтому DFT-расчёт, как бы ни был он прекрасен в теории, не тянет на роль массового экспресс-предсказателя.

Теперь зайди в любой чат-бот и спроси: «Почему DFT ошибается в энергии активации на 5 ккал/моль?» Сравни ответ с тем, что ты только что прочитал. Если бот начнёт сыпать формулами, скажи: «Объясни проще, будто я школьник, который только что провёл свой первый DFT-расчёт». Заодно потренируешь критическое мышление: вдруг бот слукавит? Ты же теперь знаешь, что 5 ккал/моль — это ошибка не в проценты, а в сотни раз по скорости. Если бот этого не упомянул — ты только что нашёл его слабое место.

Ну и для тех, кто уже подружился с Python: скачай датасет растворимости ESOL (он в открытом доступе), переведи молекулы в молекулярные фингерпринты с помощью библиотеки RDKit и обучи простенький Random Forest предсказывать растворимость в воде. Это займёт полчаса, но ты в миниатюре повторишь именно то, о чём мы говорили: модель учится на готовых экспериментальных данных