Искусственный интеллект в приложении к химии

Бакалавриат 2026/2027

ID 1120213

Статус: Курс обязательный (Химия)

Кто читает: Базовая кафедра элементоорганической химии Института элементоорганических соединений им. А.Н. Несмеянова РАН

Где читается: Факультет химии

Когда читается: 4-й курс, 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Лазарев Илья Дмитриевич

Язык: русский

Кредиты: 3

Контактные часы: 56

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина «ИИ в приложении к химии» направлена на формирование у студентов практических компетенций в области применения методов искусственного интеллекта для решения задач химии и химической технологии. В рамках курса изучаются принципы работы с химическими данными и организации воспроизводимых вычислительных экспериментов. Отдельные блоки посвящены нейросетевым представлениям молекул, предсказанию свойств веществ и виртуальному скринингу, а также расшифровке спектроскопических данных (масс-спектрометрия, ЯМР), а также построение автономных агентских систем. Особое внимание уделяется критической оценке качества моделей и выявлению типичных ошибок в бенчмарках. Курс ориентирован на практическую работу с открытыми инструментами и воспроизведение результатов современных научных публикаций.

Цель освоения дисциплины

Формирование у студентов знаний и навыков в области применения методов искусственного интеллекта и машинного обучения для решения задач химии и материаловедения, включая анализ данных, моделирование реакций, поиск новых соединений и оптимизацию процессов.

Планируемые результаты обучения

обучающийся должен ЗНАТЬ: основные принципы FAIR применительно к химическим данным, типы открытых баз данных и типовые проблемы качества химической информации.
обучающийся должен ЗНАТЬ: концепции представления молекул, а также их преимущества и физические ограничения.
обучающийся должен ЗНАТЬ: базовые принципы машинного обучения для предсказания свойств молекул, стратегии разделения химических выборок и основные причины утечки данных.
обучающийся должен ЗНАТЬ: возможности и фундаментальные ограничения больших языковых моделей, ИИ-агентов и нейросетей в приложении к химическим задачам.
обучающийся должен УМЕТЬ: подготавливать химические датасеты, применять корректные стратегии их разделения и обучать базовые модели для решения типовых задач QSAR/QSPR.
обучающийся должен УМЕТЬ: использовать готовые предобученные модели и LLM для химических задач, а также критически проверять их выводы на предмет логических и фактических ошибок.
обучающийся должен ВЛАДЕТЬ: навыками организации воспроизводимого ИИ-эксперимента, включая базовое версионирование кода и данных, а также работу с крупными датасетами.
обучающийся должен ВЛАДЕТЬ: базовым программным инструментарием для обработки молекулярных графов, расчета дескрипторов и проведения виртуального скрининга.
обучающийся должен ВЛАДЕТЬ: методами критического анализа результатов ИИ-моделей, понимая границы их применимости и необходимость обязательной независимой валидации.