Ученые МГУ создали ИИ для расшифровки спектров космического излучения
Химики Московского государственного университета им. М. В. Ломоносова (МГУ) разработали ИИ-модель, способную предсказывать инфракрасные спектры полициклических ароматических углеводородов (ПАУ) — молекул, которые встречаются как в земной атмосфере, так и в глубинах космоса. Технология позволяет лучше понять химические процессы на Земле и во Вселенной.
Полициклические ароматические углеводороды (ПАУ) — это органические соединения, состоящие из двух и более конденсированных бензольных колец. На Земле они образуются в результате природных процессов и деятельности человека при сжигании топлива, отходов и других органических веществ. Распространены они и в космосе — в том числе встречаются в межзвездных облаках и атмосферах планет.
Эти соединения рассматриваются как возможные «строительные блоки» жизни, которые могли участвовать в синтезе РНК и формировании первых биологических молекул на ранней Земле. Один из основных методов изучения ПАУ — инфракрасная (ИК) спектроскопия. Однако исследования всегда были сопряжены с трудностями — экспериментальные спектры доступны лишь для ограниченного числа молекул, а теоретические расчеты требуют колоссальных вычислительных ресурсов.
Ученые из МГУ нашли решение этой проблемы. Они предложили использовать методы машинного обучения для предсказания ИК-спектров. Особое внимание было уделено кодированию структуры молекулы, чтобы учесть ее заряд.
Разработанная модель ИИ способна предсказывать спектры одновременно и заряженных, и нейтральных молекул с высокой точностью, чего ранее сделать не удавалось. Это позволило использовать для обучения нейросети все доступные на данный момент спектры ПАУ.
Новый метод уже показал свою эффективность, но исследователи не собираются останавливаться на достигнутом. Они намерены решить проблему предсказания спектров гетероатомных молекул, содержащих атомы азота и кислорода. Их показатели отличаются от более простых ПАУ, а точных данных для обучения моделей доступно крайне мало. Исследователи намерены использовать метод трансферного обучения, который должен повысить точность работы ИИ-модели.
Предложенный подход открывает путь к более точному моделированию спектров смесей ПАУ. Это критически важно для анализа состава межзвездной среды, атмосфер планет и других астрономических объектов. На Земле же эта технология может найти применение в экологическом мониторинге, позволяя точнее определять источники загрязнения воздуха и анализировать продукты горения. Исследование демонстрирует, как современные методы помогают решать фундаментальные научные задачи. Это важный шаг не только в понимании химических процессов во Вселенной, но и в разгадке одной из величайших тайн — происхождения жизни на нашей планете.
Ранее ученые из МГУ представили сервис баллистико-навигационного обеспечения, который помогает в два раза увеличить срок «автономной» работы спутников без получения телеметрических данных. Технология также повышает точность расчета траекторий движения малых космических аппаратов.
