Химики СПбГУ при помощи нейросетей выявили необычные связи в структуре кристаллов

Ученые Санкт‑Петербургского государственного университета и Самарского государственного технического университета объединили топологический анализ кристаллов с искусственным интеллектом и превратили мировой массив кристаллических структур в настоящие большие данные (big data), из которых можно извлекать новое химическое знание. Технология помогает находить особенности конфигурации частиц и химические закономерности, которые сложно обнаружить при стандартном поиске. Результаты исследования, поддержанного Российским научным фондом, опубликованы в научном журнале Coordination Chemistry Reviews. Об этом CNews сообщили представители СПбГУ.

Свойства и строение веществ во многом определяются не только прочными ковалентными связями внутри молекул, но и более слабыми — нековалентными. Несмотря на сравнительно небольшую силу, они играют ключевую роль в формировании и устойчивости сложных систем. Подобно прутьям в венике, которые легко сломать поодиночке, но почти невозможно, когда они собраны вместе, эти силы способны обеспечивать прочность даже самых хрупких конструкций, действуя сообща. Благодаря им белки принимают и сохраняют нужную форму, цепи ДНК удерживаются вместе, ускоряются химические реакции, а также создаются материалы с различными характеристиками.

Один из видов нековалентных взаимодействий — галогенная связь. Она возникает с участием элементов 17‑й группы периодической таблицы Менделеева, прежде всего хлора, брома и иода. Из‑за неравномерного распределения заряда в атомах этих элементов на продолжении ковалентной связи появляются области с пониженной электронной плотностью и положительным электростатическим потенциалом (σ‑дырки), которые притягиваются к богатым электронами участкам соседних частиц и помогают тем правильно располагаться относительно друг друга. Это особенно важно в медицине, поскольку подобные процессы могут влиять на эффективность лекарственных препаратов и биологически активных веществ. Например, атомы иода в составе гормонов щитовидной железы способствуют их точному связыванию с рецепторами, вследствие чего запускаются процессы, регулирующие потребление энергии и образование тепла.

Разнообразие подобных контактов и особенности их комбинаций химики оценивают по базам кристаллических данных, что помогает им объяснять свойства веществ и создавать новые материалы с заданными характеристиками. Сегодня в таких хранилищах содержатся миллионы записей: только Кембриджская база данных к началу 2026 г. насчитывала более 1,4 млн структур, и ежегодно их число увеличивается на десятки тысяч.

Однако анализировать столь большие массивы непросто. В одном соединении могут встречаться разные варианты ориентации частиц, отличающиеся своей геометрией. Поэтому поиск обычно ведется по заранее заданным параметрам — например, допустимым расстояниям и углам между взаимодействующими атомами. Однако в этом случае прежде всего находят те варианты, которые уже предполагается увидеть, а необычные сочетания могут остаться незамеченными.

Чтобы ускорить обработку большого количества информации и расширить возможности отбора, ученые СПбГУ совместно с коллегами из Самарского государственного технического университета предложили подход, объединивший топологическую оценку кристаллов и инструменты искусственного интеллекта. На первом этапе данные Кембриджской базы обрабатывали с помощью программного комплекса ToposPro, созданного в Самаре. Программа определяет соседство атомов по геометрии вещества, условно разделяя пространство вокруг каждого из них на многогранники Вороного — своеобразные «ячейки», причем атомы считаются соседями, если их «ячейки» имеют общую грань.

Этот способ можно сравнить с системой распознавания лиц, которая ищет не один конкретный объект, а все варианты, похожие на заданный образ. Однако по итогу он дает тысячи потенциальных контактов в сотнях соединений, которые уже невозможно последовательно просмотреть вручную. Поэтому для дальнейшего исследования специалисты подключили большую языковую модель, которая помогала выявлять статистические закономерности.

«Мы хотели построить поиск так, чтобы его условия не предопределяли ответ. Нейросеть здесь — партнер, а не замена человеку: каждый ее вывод мы проверяли сами. Однако для ряда взаимодействий число структур уже превысило то, что химик может просмотреть, и анализ с помощью нейросети стал необходимым», — сказал академик РАН, почетный профессор СПбГУ Вадим Юрьевич Кукушкин.

Почему крупный бизнес держится за SAP и какой должна быть российская ERP Цифровизация

Проверить новый подход эксперты решили на солях гипервалентных хлора, брома и прежде всего иода — распространенных реагентах органического синтеза и перспективных компонентах новых материалов, свойства которых во многом зависят от галогенных связей. Изучив 1553 контакта в 473 кристаллах, авторы выделили пять вариантов их взаимного расположения.

«Главное преимущество метода в том, что людям не нужно заранее решать, какое расстояние считать значимым и что следует относить к нековалентным взаимодействиям. Благодаря этому нам удалось найти перпендикулярные контакты, которые при обычном отборе могли остаться незамеченными», — сказал директор Международного научно‑исследовательского центра по теоретическому материаловедению (МНИЦТМ) СамГТУ Владислав Анатольевич Блатов.

При обнаруженной конфигурации соседняя частица подходит к атому иода не со стороны σ‑дырок, а перпендикулярно плоскости C—I—C, то есть "сверху" или "снизу". Кроме того, выяснилось, что в данных структурах сохраняется и классическая ориентация — через область с недостатком электронной плотности. Это означает, что один иодониевый центр способен одновременно удерживать до трех партнеров. Так происходит, когда строение кристалла позволяет нескольким донорам электронной пары одновременно находиться рядом с одним катионом. Электронную природу этого эффекта исследователям еще предстоит уточнить с помощью квантово‑химических расчетов.

Цифровая карта «Северстали». Инфографика CNews

«Кембриджская база хранит экспериментальные данные о гигантском числе кристаллических структур, но далеко не все действующие в них взаимодействия кем‑то замечены. Сейчас мы ищем именно такие „скрытые“ контакты — реально работающие в кристаллах, но никем пока не зафиксированные и не описанные», — сказали авторы работы.

Предложенный подход не ограничивается какой‑либо конкретной химической системой и может применяться для изучения самых разных веществ. Ученые СПбГУ и СамГТУ продолжают совместную работу, распространяя метод на другие классы соединений и типы нековалентных взаимодействий.