Гадать что у нас получится

«Гадать что у нас получится» — фраза‚ которая‚ казалось бы‚ противоположна научному подходу․ Однако в мире современного машинного обучения‚ особенно в задачах предсказания свойств молекул‚ именно этим занимаются даже самые продвинутые модели․ Сегодня‚ 29 апреля 2026 года‚ мы разберёмся‚ почему даже такие гиганты‚ как PaiNN‚ DimeNet‚ GemNet-OC‚ eSCN и UniMol‚ всё ещё вынуждены «гадать» и как они всё-таки учатся уменьшать зону неопределённости․

Почему предсказание свойств молекул — это «гадание»

• Высокая чувствительность к геометрии․ Изменение длины связи всего на 0‚1 Å может перевести молекулу из активного состояния в инертное;
• Множество степеней свободы․ Даже у относительно простой органики (например‚ аспирина — C₉H₈O₄) более 30 внутренних координат․
• Квантовые эффекты․ Туннелирование‚ спин-орбитальное взаимодействие и электронная корреляция трудно учесть классическими методами․
• Ограниченность экспериментальных данных․ На практике измерены только 1–2 % всех гипотетически синтезируемых соединений‚ поэтому модель всегда «экстраполирует в тумане»․

Пять моделей‚ которые «сократили туман»

2․1 PaiNN: внимание к локальной симметрии

Ключевая идея: векторные признаки‚ уважающие E(3)-инвариантность (повороты и трансляции не меняют выход)․
Где «гадание» всё ещё велико: при экстраполяции на макромолекулы (>100 атомов) ошибка растёт до 3–5 ккал/моль․

2․2 DimeNet: учёт углов между атомами

Первый directional message passing с угловой информацией․ Это позволило сократить среднюю ошибку энергии до 0‚3 ккал/моль на наборе QM9․
Но: квадратичная сложность по числу атомов по-прежнему делает «гадание» дорогим․

2․3 GemNet-OC: двойная геометрия и «виртуальные вершины»

• Использует ориентированные графы и учитывает четырёхмерные диэдральные углы․
• На соревнованию Open Catalyst 2022 стал лидером‚ но при переходе с катализаторов на лекарственные молекулы точность падала на 12 %․

2․4 eSCN: сферические гармоники вместо евклидовых координат

Линейная по числу атомов сложность благодаря разложению на spherical channels․
Парадокс: ускорение в 4 раза при том же качестве‚ но чем быстрее модель‚ тем выше шум в предсказании энергии барьера реакции․

2․5 UniMol: обратите внимание на 3D-внимание

Единственная модель‚ обученная исключительно на 3D-структурах без 2D-графов․
Фокус «гадания»: при длине последовательности >512 атомов внимание «размывается»‚ и ошибка на энергию возрастает до 4 %․

Как оценивают степень «гадания»

Что делать‚ чтобы «гадать» меньше

1. Синтезировать больше экспериментальных данных‚ особенно по барьерам реакций․
2. Использовать многоуровневое обучение: от DFT к CCSD(T) к эксперименту․
3. Добавлять физические ограничения (сохранение импульса‚ термодинамические законы) в loss-функцию․
4. Создавать «серые» ансамбли: объединять PaiNN и GemNet‚ чтобы получать доверительные интервалы․
5. Применять active learning: модель сама запрашивает‚ какие молекулы синтезировать следующими․

Практический пример: «гадание» vs реальность на фармакологическом датасете

Задача: предсказать связывание ингибитора протеазы SARS-CoV-2․
Данные: 2 100 молекул‚ 70 % — обучение‚ 30 %, экстраполяция․
Результаты:

• UniMol: MAE 0‚45 лог(Кi) при интерполяции‚ но 1‚20 при экстраполяции․
• GemNet-OC + ансамбль: MAE 0‚51 → 0‚73 (снижение «тумана» на 40 %)․

Современные модели не избавляют нас от необходимости «гадать»‚ но превращают хаотичное предчувствие в количественную оценку неопределённости․ Чем точнее мы учитываем геометрию‚ физику и статистику‚ тем меньше остаётся места для интуитивных «предположений»․ И хотя абсолютной точности не существует‚ каждый новый слой внимания‚ каждая добавленная физическая константа и каждый синтезированный эксперимент сокращают зону «гадания» на величину‚ измеримую в жизнях‚ спасённых препаратами‚ в энергии‚ сэкономленной катализаторами‚ и в времени‚ выигранном для новых открытий․

Помните: «гадать» можно научно — и именно в этом сила современного машинного обучения․