Исследователи Института искусственного интеллекта AIRI предложили новый метод определения оптических свойств молекул создаваемых химических реактивов. Для этого использовали 3D-графовые нейросети. В результате количество ошибок предсказания снизилось более чем на 30% по сравнению с существующими моделями.

В новом методе для обучения ИИ-моделей собрали специализированный датасет nablaColors-3D. Он содержал экспериментальные данные об оптических свойствах молекул в разных растворителях вместе с рассчитанными пространственными структурами. Наличие этих данных и позволило применить 3D-графовые нейросети, которые учитывают трехмерное строение молекул и точнее прогнозируют оптические свойства.

Ученые сравнили пять моделей, работающих с геометрией молекул, — PaiNN, DimeNet++, GemNet-OC, eSCN и UniMol+. Лучшая модель без учета геометрии достигла MAE (средняя абсолютная ошибка) около 24 нанометров, а лучшая модель с учетом пространственной структуры снизила ошибку примерно до 16 нанометров. Квантово-химический метод TD-DFT на том же тесте давал ошибку около 62 нанометров.