| Разработчики Университета Иннополис заняли второе место на всемирном соревновании по применению ИИ |
|
Разработчики Университета Иннополис заняли второе место на всемирном онлайн-соревновании по применению искусственного интеллекта (ИИ) Open Catalyst Challenge, организаторами которого стали Meta AI (Facebook AI Research) и Университет Карнеги Меллон в США, сообщили «Специалисты Университета Иннополис уступили только команде из Microsoft Research. Участники Open Catalyst Challenge разрабатывали алгоритмы по применению глубокого обучения для квантовой химии и поиска катализаторов для возобновляемой энергетики», — сообщили Разработчики во время конкурса изучили использование СО2 как молекул-аккумулятора. То есть, за счет электрохимических процессов СО2 может быть преобразован в более ценные малые молекулы — метан, этилен, метанол, этанол — и использован как для выработки электрической энергии, так и в качестве строительного блока для производства полимеров и крупнотоннажных химических продуктов, объяснил руководитель лаборатории развития продукта в сфере ИИ в новых материалах Университета Иннополис Руслан Лукин. Основной задачей соревнований был обозначен переход от затратных по времени и ресурсам квантовохимических расчетов, которые занимают до 24 часов на структуру, к более быстрым предсказаниям на основе машинного обучения — менее 0,1 секунды на предсказание. Данный датасет позволяет обучить модели для поиска более активных и энергоэффективных катализаторов для процессов превращения малых молекул в более ценные продукты и для хранения электрической энергии. «Во время конкурса мы построили модели на основе графовых нейросетей с передачей информации для предсказания энергии адсорбции из структуры катализатора и реагента. С помощью этого можно найти катализаторы, которые позволят сделать эти процессы возможными, а также отобрать среди огромного пространства катализаторов наиболее селективные и энергоэффективные с точки зрения каталитических процессов», — сказал Руслан Лукин. Он отметил, что датасет позволит найти более эффективные электрокатализаторы для водородной энергетики и производства удобрений напрямую из атмосферного азота, а также более экологичные автомобильные катализаторы. Всего в соревновании участвовали 30 решений от команд из Microsoft Research, Technical University of Denmark, Университета Карнеги Меллон, Technical University of Munchen, Texas A&M University, KAUST, AIRI и т. д. Для работы в феврале 2021 года участники получили самый объемный датасет по квантовохимическим свойствам материалов и молекул в мире — набор данных содержит 1,2 миллиона молекулярных релаксаций с результатами более 250 миллионов вычислений методом DFT. Группы работали над решениями до октября. Они оценивались по метрике точности модели MAE (Mean Absolute Error). «Проверка проводилась по нескольким тестовым разбивкам, а также учитывалась доля предсказаний, чья ошибка не превышает значение 0.01 eV, что говорит о том, что модели машинного обучения позволяют предсказывать свойства с той же точностью, что и квантовохимические расчеты. Точность решения победителей из Microsoft Research — 0,547 eV, наша точность — 0,618 eV», — пояснил один из разработчиков Руслан Лукин. Вместе с Русланом в команде работали еще три специалиста Института искусственного интеллекта Университета Иннополис — Ростислав Григорьев, Максим Фадеев и Адель Яруллин. «Архитектуры, представленные нашей командой на конкурсе, являются универсальными, и могут быть использованы как для предсказания свойств кристаллических материалов для применения их в катализе, поиска материалов для нейроморфных вычислений, а также и в области предсказания свойств молекул поиска новых лекарств», — рассказал руководитель Института искусственного интеллекта Университета Иннополис Рамиль Кулеев. По его мнению, это значительно сократит время на проведение расчетов и экспериментов, а также позволит в дальнейшем более эффективно решить обратную задачу поиска материалов и молекул с заданными свойствами. Конкурс прошел в рамках крупнейшей ежегодной конференции по машинному обучению и вычислительной нейробиологии NeurIPS. Источник: |
-19..-21 °C 
762..764 мм. р. с.
85..87
сев 0..2 м/с
