Команда ведущего научного сотрудника AIRI Константина Ушенина одержала победу в суточном хакатоне по разработке ИИ-ассистента для органического синтеза, организованном Сбером, ИТМО и молодёжным пространством «ПРОСТО». Это достижение особенно значимо на фоне растущего интереса к применению искусственного интеллекта в естественнонаучных дисциплинах. Уникальность решения заключается в создании мультиагентной системы, где каждый виртуальный «агент» отвечает за определённый этап лабораторного цикла — от выбора молекулы до анализа результатов эксперимента.

Технологический стек решения включал современные инструменты ИИ-разработки: крупные языковые модели (LLM), фреймворки LangGraph и LangChain, а также архитектуру RAG для работы с научной литературой. Особенностью подхода стало сочетание методов машинного обучения для предсказания свойств соединений с возможностью извлечения актуальной информации из научных публикаций. Это позволяет системе постоянно обновлять базу знаний без необходимости полного переобучения модели, что критически важно для быстро развивающейся области органической химии.

Для российского рынка это событие имеет особое значение, демонстрируя потенциал отечественных разработок в области ИИ для науки. Разработанный прототип открывает новые возможности для фармацевтических компаний и научных центров, где автоматизация многоэтапных процессов синтеза может значительно ускорить исследования. Однако переход от хакатонного решения к промышленной системе потребует существенных доработок, включая интеграцию с лабораторным оборудованием и валидацию на реальных исследовательских проектах.

Сравнивая решение с существующими аналогами, важно отметить его мультидисциплинарный характер. В отличие от большинства коммерческих ИИ-решений для химии, сосредоточенных на узких задачах (например, предсказании свойств молекул), система команды AIRI охватывает весь цикл исследований. Это делает её потенциально более полезной для практикующих химиков, хотя и увеличивает сложность разработки и внедрения.

Перспективы технологии связаны с созданием полноценной платформы для поддержки научной работы химиков. Ключевыми направлениями развития станут улучшение точности предсказаний, расширение базы знаний и адаптация системы под различные типы исследований. Открытым остаётся вопрос масштабируемости решения — сможет ли оно эффективно работать с тысячами пользователей и десятками параллельных процессов, что особенно актуально для крупных фармацевтических компаний.

Опыт команды AIRI также поднимает важные вопросы о подготовке специалистов на стыке химии и ИИ. Успех проекта во многом был обусловлен уникальным составом команды, сочетающим экспертизу в обеих областях. Это указывает на необходимость развития междисциплинарных образовательных программ в России, которые могли бы готовить подобных специалистов систематически, а не как исключение.

В долгосрочной перспективе подобные разработки могут изменить сам подход к проведению химических исследований, сделав ИИ-ассистентов неотъемлемой частью научного процесса. Однако для этого предстоит решить ряд технических и организационных задач, включая вопросы стандартизации данных, интеграции с существующими лабораторными системами и обеспечения надёжности ИИ-рекомендаций в критически важных процессах.