AnanikovLab

Как ИИ помогает проектировать молекулярные магниты

Зачастую в магнитохимии связь «структура – свойство» трудно сопоставить. Магнитное поведение определяется электронным строением и координационным окружением металлического центра, обменными процессами, колебаниями и кристаллической упаковкой. При переходе к реальному образцу существенную роль играют также дефекты, способ получения и условия измерения. Именно поэтому поиск магнитных материалов представляет собой реальную проверку возможностей искусственного интеллекта.

В Coord. Chem. Rev. вышел обзор, в котором авторы рассматривают цифровые подходы к проектированию молекулярных магнитов и магнитных материалов. Машинное обучение помогает отбирать перспективные структуры и сокращать объём квантово-химических расчётов.

Один из центральных вопросов обзора:
Насколько далеко можно продвинуться от удачного расчётного прогноза к действительно работающему материалу?
Большая магнитная анизотропия сама по себе ещё не гарантирует медленной релаксации намагниченности при нужной температуре. А для предсказания коэрцитивной силы необходимо учитывать микроструктуру и историю получения образца.

К данным для обучения моделей существует важное требование: вместе со структурой и значением свойства нужно сохранять сведения о синтезе, состоянии образца, протоколе измерения, исходном сигнале и неопределённости результата. Именно такая связная запись позволяет содержательно сопоставлять эксперимент и прогноз.

Авторы предлагают развивать цикл поисковых исследований, в которых модель помогает выбрать наиболее подходящего кандидата. При этом, химическая экспертиза остаётся необходимой на каждом этапе: от выбора доступных лигандов до интерпретации магнитных измерений.

📖Читать обзор в открытом доступе

#МолекулярныеМагниты
#ИскусственныйИнтеллект

Как трансформируется катализатор в ходе реакции?

В реакционной смеси металлокомплексы могут превращаться в кластеры и наночастицы, которые, в свою очередь, высвобождают растворимые формы металла. То есть, несколько типов активных частиц принимают участие в формировании продукта по параллельно протекающим каталитическим путям. Их вклад зависит от типа субстрата, растворителя, температуры и добавок.

Чтобы описать такую динамическую систему, в 2012 году в нашей лаборатории была сформулирована концепция «коктейль катализаторов».
Эта концепция помогает понять, как превращения катализатора определяют активность, селективность и устойчивость всей системы.
В видео показано, как разные формы металла связаны между собой.

📖 ссылка на первоисточник

#КоктейльКатализаторов
#AnanikovLab

В Черноголовке пройдёт научный семинар Учёного совета ФИЦ ПХФ и МХ РАН «Искусственный интеллект в химии»

6 ноября в 15:00 в ФИЦ ПХФ и МХ РАН с докладом выступит академик РАН Валентин Павлович Анаников (Институт органической химии им. Н.Д. Зелинского РАН).

Валентин Павлович расскажет о трёх уровнях применения ИИ в работе химика:
🔵как использовать готовые языковые модели для поиска научной литературы и работы с текстами;
🔵как разрабатывать собственные алгоритмы на Python для анализа спектров, микроскопических изображений и хроматограмм;
🔵можно ли описать интуицию химика так, чтобы на её основе создавать интеллектуальных помощников для поиска новых реакций и проверки гипотез.

📍Черноголовка, проспект Семёнова, д. 1, Корпус общего назначения.