Фонд «Интеллект»
Фонд «Интеллект»
Илья Григорян стал одним из победителей конкурса публикаций 6-го потока MSU.AI. Статья «IPECnet: ML model for predicting the area of water solubility of interpolyelectrolyte complexes» опубликована в научном журнале Physical Chemistry Chemical Physics (Q1/Q2).
«Основная сложность в предсказании свойств ИПЭК – их многокомпонентность и сильная зависимость от условий среды. Традиционные методы здесь плохо применимы. Наш подход с независимым анализом свойств каждого полимера в рамках нейросетевой архитектуры IPECnet доказал свою эффективность. Это важный шаг к разработке нейросетевых методов работы с полимерными многокомпонентными системами», – уточнил Илья Григорян, автор исследования, сотрудник кафедры биофизики Физического факультета МГУ.
Водно-солевые растворы интерполиэлектролитных комплексов (ИПЭК)- продуктов взаимодействия противоположно заряженных полиэлектролитов, - представляют собою класс так называемых «умных полимеров», поскольку их формирование и физико-химические свойства можно обратимо регулировать путем изменения множества внешних факторов, таких как: рН, ионная сила, температура среды и пр.
Традиционный интерес к таким «умным полимерам» вызван возможностью их применения в широком спектре задач, включая выделение белков и нуклеиновых кислот, внутриклеточную доставку ДНК, создание биоцидных покрытий, функциональных мембран, использование в качестве систем очистки воды и т.д.
Для широкого применения таких систем необходимо уметь предсказывать, при каких условиях конкретный ИПЭК будет водорастворим или выпадет в осадок. Делать это крайне сложно из-за множества факторов, от которых зависит формирование системы (природы функциональных групп полимеров, степеней полимеризации, плотности заряда на макромолекулах, ионной сила раствора и др.). Вместо того, чтобы экспериментально подбирать условия под каждый комплекс, в статье авторы решили рассмотреть возможность использования нейросетевых подходов для предсказания свойств системы. Несмотря на то, что работать с полимерными системами, да еще и с двухкомпонентными системами крайне сложно, в работе ученые рассмотрели разнообразные подходы по учету свойств для обучения моделей и пришли к оптимальной, на их взгляд, архитектуре.
«Исследованные подходы по работе с многокомпонентными полимерными системами открывают новые возможности для целенаправленного создания материалов на основе интерполиэлектролитных комплексов, будь то системы доставки лекарств или бактерицидные покрытия», – рассказал Андрей Владимирович Сыбачин, кандидат химических наук, доцент кафедры высокомолекулярных соединений химического факультета МГУ.
