Ученые СПбГУ и Самарского государственного технического университета проанализировали 1553 контакта в 473 кристаллах и обнаружили конфигурации, которые легко пропустить при обычном поиске. Нейросети в химии здесь выступили не генератором красивых гипотез, а инструментом разбора слишком большого массива структурных данных: подход может ускорить поиск материалов и лучше объяснить работу биологически активных веществ.
Исследователи объединили топологический анализ кристаллов, программный комплекс ToposPro и большую языковую модель, сообщает CNews. Результаты работы, поддержанной Российским научным фондом, опубликованы в журнале Coordination Chemistry Reviews. Для российской IT-аудитории это показательный кейс: ценность ИИ появляется не от самого факта его подключения, а от встраивания в воспроизводимый исследовательский процесс, где выводы модели проверяет предметный эксперт.
В центре исследования оказались нековалентные взаимодействия — сравнительно слабые силы, которые определяют, как частицы выстраиваются в кристалле и насколько устойчивой будет вся структура. Такие контакты важны далеко за пределами академической кристаллографии: они влияют на форму белков, стабильность ДНК, работу катализаторов и свойства новых материалов. Отдельный интерес представляют галогенные связи с участием хлора, брома и иода. Атомы этих элементов способны создавать участки с положительным электростатическим потенциалом, к которым притягиваются электронно-богатые области соседних частиц.
Проблема в масштабе данных. К началу 2026 года Кембриджская база структурных данных содержала более 1,4 млн записей, причем ежегодно пополняется на десятки тысяч структур. Классический поиск требует заранее задать расстояния, углы и другие геометрические ограничения. Это удобно, если химик знает, что именно ищет. Но такой фильтр неизбежно отсекает сценарии, которые не укладываются в привычную модель. ИИ в данном случае нужен, чтобы сначала увидеть статистическую картину, а уже затем разбираться, есть ли за необычным паттерном реальная химия.
На первом этапе ToposPro определял соседство атомов по геометрии кристалла с помощью разбиения пространства на многогранники Вороного. Атомы считались соседними, если соответствующие ячейки имели общую грань. Метод не навязывает жесткий порог расстояния, но генерирует огромное число потенциальных контактов. Просмотреть их вручную последовательно практически нереально: даже выборка авторов дала больше полутора тысяч контактов. На следующем этапе большую языковую модель использовали для выявления статистических закономерностей, а результаты проверяли сами исследователи.
Проверка метода на солях гипервалентных хлора, брома и иода дала пять вариантов взаимного расположения частиц. Самая любопытная находка — перпендикулярные контакты около атома иода. В привычной модели соседняя частица подходит к нему со стороны области с пониженной электронной плотностью, так называемой σ-дырки. В обнаруженной конфигурации она располагается сверху или снизу относительно плоскости C—I—C. При этом классический контакт в тех же структурах сохраняется: один иодониевый центр потенциально удерживает до трех партнеров.
Электронную природу такого эффекта еще предстоит проверить квантово-химическими расчетами, поэтому превращать находку в готовую технологию для фармы или материаловедения было бы преждевременно. Но именно так и выглядит полезная роль нейросетей в химии: модель расширяет поле поиска, а не подменяет эксперимент и теорию. Для разработчиков научных платформ это важный ориентир. Качественный продукт в этой области должен хранить происхождение данных, параметры отбора и логику проверки, иначе даже интересная кластеризация останется черным ящиком.
Подход не привязан только к галогенным связям или иодониевым солям: авторы планируют применять его к другим классам соединений и нековалентных взаимодействий. Следующий практический вопрос — смогут ли исследовательские команды превратить подобные пайплайны из разовых публикационных проектов в регулярно обновляемые системы поиска по растущим кристаллографическим базам. Если смогут, нейросети в химии будут все чаще находить не ответы на заранее заданные вопросы, а сами вопросы, которые химики пока не научились формулировать.