Нейросеть научилась предсказывать устойчивость комплексов металлов с органическими молекулами, включая те металлы, сведения о которых не использовали при обучении. Это важно для переработки отработавшего ядерного топлива и разделения редкоземельных элементов, где эксперименты дороги, опасны или затруднены из-за сходства химических свойств.
Исследователи Центра искусственного интеллекта МГУ совместно с коллегами из Института искусственного интеллекта объединили в одной нейросети экспериментальные данные о связывании разных металлов с органическими молекулами. Работа опубликована в научном журнале в 2026 году.
Что именно предсказывает модель
Органические молекулы, способные связывать ионы металлов, называют лигандами. Устойчивость образующихся комплексов определяет, насколько равновесие в растворе смещено в сторону связанного состояния. Эти сведения нужны при поиске веществ для разделения и извлечения металлов, в том числе при переработке отработавшего ядерного топлива. Получать экспериментальные данные для таких соединений сложно: изучение актинидов ограничивают радиоактивность, стоимость и доступность образцов, а разделение редкоземельных элементов затрудняет сходство их химических свойств. Точные квантово-химические расчёты требуют больших вычислительных затрат.
На каких данных учили
Авторы собрали базу экспериментальных констант устойчивости — величин, характеризующих образование комплексов в растворе. В неё вошли сведения из международной базы экспериментальных данных и научных публикаций. Исследователи учитывали не только состав соединений, но и температуру и ионную силу раствора, которая зависит от концентраций и зарядов присутствующих ионов. На этих данных обучили графовую нейронную сеть: она представляет органическую молекулу как схему атомов и связей, отдельно обрабатывает характеристики металла и условия эксперимента, а затем объединяет информацию для прогноза. Благодаря этому одна модель использует данные о комплексах разных металлов.
Проверка на неизвестном металле
Авторы проверили, сможет ли модель оценивать соединения металла, сведения о комплексах которого полностью исключили из обучения. Точность в этом случае снижалась, но оставалась достаточной для качественной оценки устойчивости. То есть модель может работать не только с тем, что уже видела, но и переносить общие закономерности на новые металлы.
Что даёт оценка неопределённости
Модель также оценивает неопределённость своих прогнозов. Это помогает выделять соединения, для которых расчёт менее надёжен. Исследователи проанализировали, какие фрагменты органических молекул сильнее влияют на предсказанную устойчивость комплексов; выявленные зависимости согласовались с известными химическими закономерностями.
Что говорит автор
«Для некоторых актинидов экспериментальных данных очень мало. Мы объединили сведения о разных металлах в одной модели, чтобы использовать общие закономерности их взаимодействия с органическими молекулами. При этом важно получать не только прогноз устойчивости, но и оценку его неопределённости. Такой подход может помочь выбирать соединения для дальнейшей экспериментальной проверки», — отметил старший научный сотрудник Центра искусственного интеллекта МГУ Артём Митрофанов.
Где можно применять и чего пока нет
Разработка может использоваться для предварительного отбора молекул, способных связывать редкоземельные элементы и актиниды. Исследование ограничено комплексами, в которых одному иону металла соответствует одна молекула лиганда, и ориентировано на водные растворы. Применение к другим составам комплексов и растворителям требует дальнейшей работы.
Коротко: главное
-
Что предсказывает нейросеть? — Устойчивость комплексов металлов с органическими молекулами.
-
На каких данных её обучили? — На экспериментальных константах устойчивости.
-
Что учитывает модель? — Состав соединений, температуру и ионную силу раствора.
-
Проверяли ли на неизвестном металле? — Да, точность снижалась, но оставалась достаточной.
-
Где это нужно? — При переработке отработавшего ядерного топлива и разделении металлов.
Резюме
-
Учёные МГУ объединили в одной нейросети данные о связывании разных металлов с органическими молекулами.
-
Модель предсказывает устойчивость комплексов, учитывая состав, температуру и ионную силу раствора.
-
Проверка на металле, исключённом из обучения, показала снижение точности, но достаточное для качественной оценки.
-
Модель оценивает неопределённость прогноза и выделяет менее надёжные соединения.
-
Разработка может помочь при переработке отработавшего ядерного топлива; пока она ограничена водными растворами и комплексами один к одному.
Материал подготовлен изданием «Техносуверен» (technosuveren.ru). Дата публикации: 28 октября 2026 года.
