Как ученые исследуют свойства материи на суперкомпьютерах
Николай Кондратюк, кандидат физико-математических наук, заведующий лабораторией многомасштабного моделирования в физике мягкой материи МФТИ, рассказывает о возможностях современных численных методов в физике.
Спектр задач в области компьютерного моделирования очень широкий, это видно даже на примере нашей лаборатории многомасштабного моделирования в физике мягкой материи в МФТИ. Мы рассматриваем материю на уровне атомов и рассчитываем их динамику, строим корреляции атомная структура — свойство. Весь плюс подхода в универсальности, опирающейся на базис естественных наук, на методы компьютерного моделирования и машинного обучения, а также вычислительные ресурсы (суперкомпьютеры). Комбинируя эти базовые элементы, мы прогнозируем свойства веществ для самых разных задач. Особую значимость играют методы машинного обучения, но для них необходимы базы данных, которые кто-то должен генерировать. Сегодня важна синергия между точными расчетами, экспериментами и машинно-обучаемыми подходами.
Перечисленные подходы позволяют создавать новые материалы под конкретные приложения, либо описывать процессы, происходящие на молекулярном уровне, например, в клетках при взаимодействии с лекарственными молекулами. Как раз такую задачу мы сейчас решаем вместе с лабораторией Артура Кадурина в AIRI (Artificial Intelligence Research Institute, Институт искусственного интеллекта — российская исследовательская организация). Они разработали нейронную сеть, которая предсказывает конформации молекул лекарств в вакууме по их структуре. Она работает гораздо быстрее, чем квантово-механические расчеты. В нескольких словах идея состоит в следующем. Мы предлагаем нейросети интересующую нас молекулу, а она отвечает: «О'кей, эта молекула похожа на те, на которых я обучалась. У нее будет вот такая энергия растворения и вот такая геометрия. Проверяйте». Если все совпадает, значит нейросеть работает отлично. Дальше можно делать