текст
В ИТМО разработали умного помощника для проектирования новых наноструктурированных материалов
В ИТМО создали платформу на основе ИИ, которая автоматизирует процесс поиска и обработки научной литературы по вопросам проектирования наноматериалов. Умный помощник всего за несколько минут обрабатывает запрос пользователя, анализирует данные по нему и генерирует ответы с точностью до 81%. Система дополнена агентом-кондуктором. Он оценивает качество ответа и при необходимости перефразирует запрос, что еще на 15% снижает риск появления галлюцинаций. Платформа поможет ученым в разы быстрее переходить от этапа разработки гипотезы к эксперименту.
На основе наноматериалов создают более долговечные и чувствительные сенсоры и электронные приборы, биосовместимые импланты и даже поверхности, которые «подсказывают» клеткам, как быстрее расти. Однако при их проектировании нужно учитывать много факторов: химический состав материала, его топологию, то есть особенности рельефа поверхности и параметры синтеза. Поэтому ученые анализируют десятки научных трудов, формируют гипотезу прежде и только потом переходят к экспериментам по созданию наноматериалов. С постоянным ростом числа публикаций в области материаловедения этот этап отнимает все больше времени.
Разработанная в ИТМО платформа решает эту проблему, автоматизируя анализ научной литературы по вопросам проектирования наноматериалов. Умный помощник SciNanoAI в считанные минуты извлекает факты из научных публикаций по запросу пользователя и конвертирует их в конкретные рекомендации для эксперимента. Например, система может рассчитать оптимальные параметры синтеза наноструктур и их ожидаемые биологические эффекты или подобрать тип фоторезиста — светочувствительного материала-подложки, который используют в том числе в печатных платах.
Интерфейс умного помощника представлен в виде веб-приложения, где пользователь вводит запрос в диалоговом окне и через несколько минут получает подробный ответ с краткими выжимками и цитатами из указываемых источников. Также платформа поддерживает диалоговый режим, что позволяет ученым оперативно получать информацию о параметрах печати наноматериалов, их составах и биологических результатах взаимодействия клеток. Это позволяет в разы сократить время перехода от формирования гипотезы к эксперименту.
Точность ответов умного помощника — 81%. Для минимизации «галлюцинаций» система дополнена алгоритмом сравнения сгенерированных ответов с данными из статей-источников. Корректность ответов также повышается за счет агента-кондуктора, который оценивает точность сгенерированных данных и, если ответ кажется ему неубедительным, запрос автоматически перефразируется и поиск повторяется.
«Мы целенаправленно создавали не универсального научного ИИ-ассистента, а специализированный инструмент для реальной лабораторной задачи — проектирования наноструктур и предсказания клеточных ответов. Вся система сфокусирована на решении именно этого вопроса. Статьи в нашей базе данных структурированы по параметрам печати, материалам и эффектам на клетки. Многоагентная архитектура с использованием поисково-дополненной генерации, то есть когда LLM-модель генерирует ответ на основе данных внешних источников, позволяет многократно повысить качество ответов, что критически важно в работе с научными данными. Так, на первом этапе агент-декомпозитор классифицирует запрос как “уместный” или “неуместный”, и только при первом запускает поиск по базе. Далее с запросом работают агент-генератор, который формирует ответ, и агент-кондуктор, контролирующий качество сгенерированных данных. Все это значительно снижает “шум” в ответах по сравнению с общедоступными системами», — отмечает один из авторов исследования, аспирант Научно-образовательного центра инфохимии ИТМО Никита Кротков.
Еще одно преимущество платформы — возможность быстро обновлять базу данных. Используемая в приложении библиотека FAISS легко масштабируется и поддерживает функцию добавления новых статей без полной перестройки системы. Благодаря этому знания умного помощника всегда актуальны.
Сейчас база данных помощника включает 300 научных материалов: статьи, учебники и патенты, при этом платформа автоматически считывает данные из таблиц и подписей к рисункам. В планах ученых — увеличить базу данных текстов, улучшить интеграцию данных из рисунков и таблиц, которые извлекаются из публикаций, и точнее настроить систему под терминологию материаловедения.
Исследование поддержано грантом Министерства образования РФ № 075-15-2024-679 — «Автономная лаборатория интеллектуальной нейроинженерии».
Результаты исследования были опубликованы в журнале Journal of Chemical Information and Modeling.
Фото: forbes.com
Технологии
Университет ИТМО
Машины и Механизмы
Всего 0 комментариев
Как крылья бабочки: ученые ИТМО создали цветные перовскитные пленки для оптоэлектроники
