Евгений Бурнаев, доктор физико-математических наук, профессор, директор Центра искусственного интеллекта Сколтеха, был и модератором мероприятия, и докладчиком. Он построил дискуссию вокруг следующего вопроса: каким образом современные цифровые технологии могут быть эффективно применены в материаловедении. В центре обсуждения оказались проблемы реального использования искусственного интеллекта, существующие сложности, а также особенности применения редкоземельных элементов в современной науке и промышленности.
Первое слово, на правах главного организатора, получил директор «Гиредмета» Андрей Голиней. Он обратил внимание собравшихся на парадокс: при обсуждении технологических цепочек в сфере редкоземельных элементов и редких металлов все участники неизменно рассуждали исключительно в категориях материального потока – руда, концентрат, металл и так далее. Однако было высказано и суждение о необходимости взглянуть на координацию работ с иной, непривычной стороны. В частности, рассмотреть достижения, которые открывают принципиально новые возможности – речь идёт не только об автоматизации производства, но также о цифровых двойниках, о моделях высокой степени детализации. Рано или поздно искусственный интеллект, если и не заменит нас, то станет принципиально новым инструментом, позволяющим выполнять задачи, на которые прежде уходили годы, а порой и десятилетия. В этой связи родилась идея проведения подобной панельной дискуссии. Андрей Голиней пожелал участникам дискуссии сформировать взвешенное и конструктивное отношение к искусственному интеллекту, «не устрашив» тем самым всю горнорудную промышленность, ибо дело это, на мой взгляд, крайне перспективное, важное и необходимое.
Вычисления со скоростью света
– Это очень интересная тема, она имеет обратный знак по отношению к основной тематике сегодняшней панели – использованию искусственного интеллекта для проектирования и создания новых материалов, – сказал Александр Сергеев, руководитель проекта НЦФМ, академик РАН. – Я хотел бы поговорить о том, каким образом современные фотонные технологии, которые, безусловно, базируются в том числе на редкоземельных и редких металлах, могут помочь развитию искусственного интеллекта. Это достаточно новая постановка вопроса, и здесь нам с вами особенно важно понять, что сегодня представляет собой искусственный интеллект.
Искусственный интеллект – это алгоритмы, которые работают на искусственных нейронных сетях, выполняя по заданной программе различные действия. Эти сети обучаются, дообучаются, усиливаются за счёт подкрепления и так далее. При этом наиболее важным моментом для широкого понимания является то, что подавляющее число операций, которые выполняют такие алгоритмы при решении задач, связанных с искусственным интеллектом, сводится к перемножению матриц: перемножению матрицы на матрицу либо матрицы на вектор. Это достаточно простая математическая операция, которая, разумеется, строго определена с точки зрения математики и выполняется на современных цифровых машинах с очень высокой точностью.
Именно эта операция занимает, ещё раз подчеркну, подавляющую часть времени в работе алгоритмов систем искусственного интеллекта. Поэтому закономерно возникает вопрос: можно ли каким-либо образом, на базе вычислений на новых физических принципах, ускорить процедуры, связанные с математической обработкой матриц, их перемножением и иными подобными операциями? Оказывается, что современная фотоника (которая, ещё раз отмечу, в значительной степени базируется на нелинейно-оптических материалах, содержащих редкие и редкоземельные металлы) является исключительно важным инструментом. Уже сегодня она демонстрирует впечатляющие результаты. Здесь отдельно отмечу замечательный материал – ниобат лития. Специалисты в области оптики и лазерной техники хорошо знают, что это уникальный материал, обладающий очень высоким электрооптическим коэффициентом. Это означает, что при приложении электрического поля к такому материалу можно весьма существенно изменять его показатель преломления.
Он уже активно используется в традиционных и нформационных технологиях. С его помощью можно кодировать информацию, преобразуя электрические сигналы в биты. Именно так, по существу, это и реализуется во всех дальних системах связи. Благодаря сильной взаимосвязи электрических и оптических свойств, когда электрическое поле электромагнитной волны распространяется через такой кристалл, в нём начинаются нелинейные процессы: генерация второй гармоники, параметрический распад и другие эффекты. Для искусственных фотонных нейронных сетей особенно важно то, что, прикладывая к тонкоплёночному материалу на основе ниобата лития сравнительно небольшие напряжения, можно существенным образом изменять показатель преломления. По существу, процедуру обучения искусственной нейронной сети можно заменить процедурой подачи соответствующих сигналов на элементы из ниобата лития таким образом, чтобы оптическое излучение, поступающее на вход фотонной интегральной системы, выходило из неё уже с заданными свойствами. Фактически это аналогично тому, что мы заставляем делать искусственную нейронную сеть.
Тонкоплёночный ниобат лития сегодня производится лишь в очень ограниченном числе стран мира и является исключительно важным материалом. Именно он во многом определяет прогресс в той области, которую мы сейчас называем фотонными вычислительными машинами. В нашей стране, в Национальном центре физики и математики, уже созданы несколько подобных вычислительных комплексов. Мы рассчитываем, что в самое ближайшее время сможем приблизиться к скорости обработки информации на уровне 10^21–10^22 операций в секунду. Это приблизительно на три порядка выше тех показателей, которые сегодня позволяют достигать обычные цифровые вычислительные машины, выполняющие в алгоритмах искусственного интеллекта последовательное перемножение матриц.
В чём здесь состоит основная идея фотоники? Свет, распространяясь через систему нелинейных элементов, которые представлены в виде фотонных интегральных схем либо фазовых экранов, обрабатывает информацию фактически мгновенно и параллельно. Это принципиально важный момент. Свету, электромагнитной волне, по самой природе присуще выполнение подобных операций обработки. Распространяясь параллельно, он тем самым опережает последовательные алгоритмы, используемые в традиционных цифровых вычислениях.
Если говорить о завтрашнем или даже послезавтрашнем дне, то, безусловно, огромные возможности открываются в связи с квантовой обработкой информации и квантовыми информационными технологиями. Несколько дней назад в Nature вышла известной китайской группы инженеров из Хэфэя, в которой было объявлено о создании фотонного квантового компьютера, по ряду показателей в разы превзошедшего квантовые компьютеры на других платформах – ионной, атомной и иных. Это становится возможным именно благодаря уникальным нелинейно-оптическим элементам, которыми располагает современная фотоника и которые при грамотном инженерном подходе размещаются на интегрированном чипе. На таком чипе присутствует всё необходимое. Современная кремниевая электроника и фотоника – это как раз та база, к которой мы движемся в перспективе послезавтрашнего дня.
Наконец, последнее, о чём я хотел бы сказать. До сих пор это воспринимается как своего рода фантастика, хотя за соответствующий результат уже была присуждена Нобелевская премия. Речь идёт о так называемой квантовой телепортации – возможности, по существу, работать с информацией без потока энергии. Этот эффект связан с так называемыми запутанными состояниями света. Тот же самый ниобат лития используется для того, чтобы из одного кванта света генерировать два кванта света. Эти два кванта появляются в так называемом запутанном состоянии. А запутанное состояние в современной квантовой физике – это как раз то явление, благодаря которому становятся возможными эффекты, связанные с квантовым компьютингом, квантовыми коммуникациями и другими направлениями квантовых технологий. Дело в том, что два фотона, родившиеся в рамках одного процесса и находящиеся в запутанном состоянии, сохраняют взаимную корреляцию чрезвычайно долго и на сколь угодно больших расстояниях.
Это означает, что если определённая процедура проводится с одним из фотонов, другой фотон фактически мгновенно оказывается связан с тем, что произошло с первым. Здесь уже не возникает классического вопроса о передаче информации со скоростью света. Именно такие возможности, которые открывают современная фотоника и современные нелинейные оптические материалы, вновь подчеркну, базирующиеся на редких и редкоземельных металлах, по-видимому, являются одним из путей, позволяющих нам совершить рывок в будущее.
Иными словами, речь идёт не только о движении в будущее через попытку догнать какие-либо страны по производству редких или редкоземельных металлов либо за счёт того, что у нас будут лучшие схемы экстракции. Всё это, безусловно, необходимо делать, и этим нужно заниматься. Однако на данном рынке конкурировать действительно чрезвычайно сложно.
В то же время рынок принципиально новых решений, который в современных областях науки и технологий, прежде всего в сфере искусственного интеллекта, способен приводить к прорывным результатам, – это, пожалуй, именно то направление, на котором следует сосредоточить усилия. Мы это хорошо понимаем. В стране уже есть несколько центров, которые работают по данной тематике. Госкорпорация «Росатом» является базовой организацией в России, развивающей квантовые технологии. Мы с уверенностью смотрим в будущее и полагаем, что вклад редких и редкоземельных металлов в будущую экономику будет реализован прежде всего через современные фотонные и квантовые технологии.
При этом остаётся нерешённым вопрос, связанный с нашим отставанием в микроэлектронике. Разумеется, в условиях отсутствия литографов с разрешением лучше 90 нанометров мы сегодня не можем полноценно конкурировать в тех областях, где требуются такие технологии, поскольку в стране подобных литографов нет. Однако, когда мы говорим о фотонике, фотонных элементах и компонентах, нам не требуются столь малые топологические размеры, как в наиболее современной микроэлектронике. Эти процессы происходят в волноводах, в тонкоплёночных структурах на основе ниобата лития, размеры которых составляют сотни нанометров. Здесь не нужна сверхсовременная микроэлектроника с предельно высоким разрешением и топологическими нормами порядка двух нанометров. Даже те литографы, которые уже имеются в нашей стране, позволяют формировать подобные фотонные интегральные схемы на кремниевых подложках. В этом смысле мы оказываемся в меньшей степени зависимыми от технологий, поступающих из-за рубежа. Дальнейшее развитие – это, безусловно, вопрос
системной, последовательной и кропотливой работы. Однако принципиальных запретов для того, чтобы уже сейчас активно работать в этой области и последовательно продвигаться вперёд, не существует.
Интеллект в элементах
Далее выступил сам модератор, Евгений Бурнаев, директор центра прикладного искусственного интеллекта СколТеха.
– Мы поговорили о том, каким образом редкоземельные металлы в определённом смысле могут помочь искусственному интеллекту и тем вычислительным технологиям, без которых он, в принципе, неосуществим, – сказал докладчик. – Сейчас я хотел бы прокомментировать технологии искусственного интеллекта, которые, в свою очередь, могут помочь дизайну материалов – именно с технологической точки зрения, поскольку разработкой таких технологий я непосредственно занимаюсь. А далее мы вернёмся к коллегам, которые уже напрямую применяют эти подходы в материаловедении и химии.
Что произошло за последнее время с технологиями искусственного интеллекта в области дизайна? На самом деле я достаточно много занимался именно дизайном, но прежде всего дизайном инженерных изделий, ещё довольно давно, в период активного сотрудничества со странами Европы. Речь шла о проектировании различных структурных элементов, композитных панелей, геометрии, аэродинамики в аэрокосмической промышленности, в том числе в проектах с компанией Airbus и другими подобными компаниями. Уже тогда то, что сегодня принято называть искусственным интеллектом, в то время называлось несколько иначе – машинным обучением; определённые нейросетевые подходы уже существовали, и активно использовались так называемые суррогатные модели.
Суть заключалась в следующем: когда солвер, рассчитывающий физику процесса или конструкции, является вычислительно тяжёлым, а при этом необходимо выполнить большое количество циклов оптимизации, именно нейросетевые аппроксиматоры либо модели, основанные на статистических принципах, позволяют приблизительно понять, как устроен тренд зависимости. Они помогают определить, какие параметры геометрии или иные параметры необходимо изменить и каким образом их следует менять в совокупности, чтобы приблизиться к более оптимальному инженерному решению. В инженерии подобные подходы уже примерно 10–15 лет назад начинали активно использоваться и действительно демонстрировали качественную эффективность. Что же произошло за последние примерно десять лет?
Во-первых, появились так называемые методы обучения с подкреплением. В этом случае по размеченным данным строится не просто некоторая предиктивная модель: модель искусственного интеллекта непосредственно взаимодействует со средой, получает от неё обратную связь – успешно или неуспешно она выполнила то или иное действие – и корректирует своё поведение. Параметры нейросети изменяются таким образом, чтобы постепенно прийти к определённому оптимальному решению. Такие методы уже достаточно эффективно используются не только при решении задач комбинаторной оптимизации, что, безусловно, крайне важно для технологических процессов. Интересно, что подобного рода подходы впервые получили широкую известность, как ни странно, в такой, на первый взгляд, игровой задаче, как игра в Go. Там требовалось перебирать очень большое количество возможных ходов, и фактически нейросеть прогнозировала, какие ходы являются более эффективными с точки зрения долгосрочной стратегии по сравнению с другими вариантами.
Оказалось, что этот подход действительно хорошо работает. Более того, он заложил основу для следующих методов, которые уже оказывают реальное влияние на дизайн материалов и химических соединений. Все видели различные интересные приложения – например, от Сбера или западных компаний, – которые способны генерировать красивые изображения. Однако внутри этих решений находится достаточно сложная математика, в том числе стохастические процессы. Такой стохастический процесс из некоторого шума, постепенно выстраивая пиксели изображения в определённый порядок, генерирует картинку по заданному человеком текстовому описанию. Разумеется, это важно для дизайнеров, художников и специалистов творческих индустрий.
Однако оказалось, что модель подобного типа можно адаптировать, например, для генерации молекул. Иными словами, из некоторого хаотического набора атомов и иных характеристик специально обученный стохастический процесс формирует уже трёхмерное расположение со всеми необходимыми характеристиками, связями и параметрами, которые в совокупности образуют молекулу того или иного соединения.
Другая нейросеть – либо, в некоторых случаях, сравнительно лёгкий солвер, хотя сегодня всё чаще применяется именно нейросеть, аппроксимирующая такие солверы и опирающаяся на большое количество экспериментальных данных, – оценивает, насколько сгенерированная трёхмерная структура действительно подходит и соответствует тому, что хотел получить человек. Идеологически это та же самая логика, которая ещё 10–15 лет назад и ранее использовалась инженерами. Я уже говорил об этом на примере аэрокосмических проектов, в которых сам активно участвовал. Принципиальное отличие сегодняшнего этапа состоит в том, что появились новые классы нейросетей, которые действительно способны работать с такими сложными объектами, как графы, трёхмерные представления молекул и даже CAD-модели. CAD-модель – это компьютерное проектирование, то есть трёхмерное описание объектов окружающего нас мира, которые можно напечатать, изготовить на фрезерном станке и использовать в инженерном производстве.
Сегодня развитие технологий дошло до того уровня, когда мы можем описывать подобные сложные объекты и фактически генерировать их, постепенно сходясь к более оптимальному дизайну молекулы, химического соединения или инженерной конструкции.
Возникает закономерный вопрос: где в этой картине находятся языковые модели? Все, естественно, слышали о ChatGPT и других подобных системах. На самом деле в первую очередь языковые модели являются сердцем агентов. Такой агент можно сравнить с программой, но более автономной. Он способен принимать на вход пожелание пользователя и самостоятельно планировать определённые действия: обращаться к тому или иному фрагменту программного кода, к отдельной программе на компьютере, к удалённому серверу, запускать расчёты и обрабатывать результаты.
Таким образом, агент действительно может автономно выполнять не одно изолированное действие, а целую последовательность действий и, вообще говоря, решать полноценную задачу. Например, он может писать программный код. За последний примерно год, точнее чуть меньше – начиная с осени прошлого года, – в этой области произошёл существенный прорыв. Появились кодирующие агенты, которые пишут программный код не хуже, а иногда и лучше, чем не только начинающий junior-специалист, но и вполне квалифицированный специалист middle-уровня.
Это действительно серьёзный прорыв. Значительный объём программистской работы благодаря таким инструментам уже сейчас может быть выведен на новый уровень эффективности. Однако важно даже не только это. Существенно то, что многие инженерные задачи также могут быть описаны как своего рода программный код. Это относится, в частности, к задачам CAD-моделирования: CAD-модель, по существу, также может быть представлена в виде определённого специализированного программного кода.
То же самое относится и к химическим задачам. Многие, я думаю, знают стандарт SMILES – язык представления химических соединений, который тоже в определённом смысле является программным кодом. Соответственно, языковая модель может редактировать такой код на лету, получая обратную связь. Причём этот отклик необязательно должен поступать от пользователя: он может приходить от солвера или даже от реального эксперимента, который выполняется автоматически.
За счёт этого языковая модель изменяет код, описывающий систему, а также вычислительную цепочку, и постепенно, в автоматическом режиме, приходит к более эффективному результату, необходимому человеку. Именно такие методы сегодня уже действительно активно используются для автоматизации.
Пайплайн с ответвлениями
Далее модератор передал слово Екатерине Скорб, директору НОЦ инфохимии ИТМО, и предложил рассказать, что представляет собой интеллектуальный пайплайн в инфохимии и каким образом роботизация синтеза, машинное обучение и большие языковые модели превращают химическую лабораторию в принципиально новую технологическую среду.
– В университетской науке мы, конечно, смотрим на то, как экосистема позволяет нам не только двигаться по актуальным пайплайнам, но и развивать интердисциплинарные направления, – сказала Екатерина Скорб. – В частности, мы развиваем направление инфохимии в одном из лучших IT-университетов Санкт-Петербурга – университете ИТМО. Если же говорить о возможностях работы с новыми материалами, то некоторое время назад мы с коллегами начали изучать умные мембраны, которые на практике позволяют переходить к тонкой очистке, выделению и технологиям разделения. Одновременно мы анализировали, какие вычислительные методы и как, например, те же солверы, помогают ускорять квантово-химические расчёты и иные вычислительные процедуры. При этом мы понимаем, что речь идёт о многократном повторении тех операций, которые выполняет исследователь в лаборатории.
Актуальна тема полностью автономных лабораторий. Этот процесс мы начали настраивать ещё в 2019 году. По сути, на основании видео того, что делает исследователь, например при синтезе мембраны, фиксируется большое количество операций. Сегодня такое видео переводится в код, который затем передаётся в виде программы коллаборативному роботу, и уже робот начинает собирать тот датасет, о котором говорили коллеги. Все данные при этом сохраняются – и положительные, и отрицательные. Когда мы в 2019 году начинали эту работу, мы писали обзоры и анализировали ситуацию. И видели, что ещё в 2016 году, когда область только начала активно развиваться, методы машинного обучения и искусственного интеллекта для подобных задач использовали единицы.
Сегодня это уже то, что должен уметь фактически каждый студент, а, по сути, и старшеклассник: настроить актуальный пайплайн, который позволит изначально определить, к чему мы стремимся, какие свойства хотим получить, а затем выстроить интерфейс, необходимый для постоянного пополнения базы данных и дообучения наших интеллектуальных моделей на этой базе. На самом деле мы начинали с коллегами именно с научных задач, в частности с задач, связанных с использованием катализаторов. Например, с новосибирскими коллегами мы обсуждали ситуацию, когда они каждый год ищут новый катализатор и говорят: «Вот мы нашли хороший катализатор». На следующий год – ещё один катализатор, через год – снова катализатор. При этом они, как правило, не сохраняют данные о том, как именно искали этот катализатор и сколько экспериментов пришлось провести. Мы оцифровали их журналы за пять лет и, по сути, показали, что получающаяся модель действительно ведёт себя как хороший материаловед и химик: она понимает, что необходимо обращать внимание
на кристаллическую структуру, температуру синтеза, пористость, возможность структурирования, например с использованием осаждения дополнительных благородных или редкоземельных металлов.
Именно такие интеллектуальные модели сегодня становятся ассистентами, которые снижают порог входа исследователей в сложные задачи. Сегодня, по сути, у нас в университете настроен пайплайн, в рамках которого, если вы хотите собрать большие данные, можно, используя технологии, которые давно представлены у нас как химия в потоке, а также возможности коллаборативных роботов, запускать в автоматической лаборатории, например, поиск тех консорциумов микроорганизмов, которые позволяют эффективно работать с выделением редкоземельных металлов. Такие лаборатории можно посетить и увидеть у нас лично. Интересно, что там даже старшеклассники могут напечатать робота на 3D-принтере – это может быть вполне недорого. И здесь, конечно, важнейшая задача заключается в том, что если вы программируете для себя помощника, вы должны понимать, для чего этот помощник нужен, насколько он действительно эффективен и какие вычислительные пайплайны помогут вам работать даже с теми небольшими данными, которые имеются в химии. В частности, мо
жем ли мы использовать квантово-химические дескрипторы или другие виды дескрипторов?
Большие языковые модели – безусловно, это та область, которая сегодня действительно меняет ситуацию, в том числе и у нас. Понятно, что это направление развивалось достаточно давно, но сегодня мультиагентные системы, позволяющие валидировать пайплайны, приводят к тому, что если появляется какая-то идея, её можно скорректировать и рекомендовать к доработке. Кроме того, такие системы позволяют, например, проанализировать путь от дизайна умного материала с определёнными свойствами до его взаимодействия с живыми организмами, бактериями и другими объектами.
Также мы в целом являемся большими сторонниками вычислений с использованием физико-химических систем. Есть отдельное направление – химические компьютеры, химико-биологические компьютеры, и мы, конечно, тоже внимательно смотрим в эту сторону. И ещё один, на мой взгляд, очень важный инструмент. Сегодня в России появилось множество компаний, которые производят оборудование. А если мы говорим о возможностях, соединяющих науку и индустрию, то необходимо понимать, как работать с новыми материалами и как организовывать их выделение. В частности, мы смотрим, какие метрики для атомно-силовой микроскопии, совместно с нашими партнёрами по активной фотонике, позволяют обучать модели, добавляя такие дескрипторы, как, например, топологический анализ данных.
Мы также учитываем химическую структуру, на основе которой можем генерировать дополнительные дескрипторы, чтобы эти модели действительно позволяли нам двигаться к новым возможностям в области выделения, умных материалов и умной химии. На самом деле всё это делают достаточно молодые ребята. И, мне кажется, здесь особенно вдохновляет то, что студент, поступая в университет, уже с первого курса начинает обучать своего агента, а к выпуску приходит с несколькими агентами. Вот, например, в прошлом году один из моих студентов сказал, что у него уже три агента устроены на работу и зарабатывают ему деньги: один работает в медицине, второй анализирует данные для банка, а третий выполняет другие задачи, а он сам при этом занимается валидацией результатов. Одним словом, к счастью, наши студенты умеют работать со своими интеллектуальными агентами. Поэтому, несмотря на то что людей в стране не так много, это точно самые талантливые и мотивированные специалисты. И нам, конечно, всегда приятно поддерживать их, вместе с ними делать интересную науку и надеяться, что внедрение этих подходов будет только расширяться.
Придумали, смоделировали, получили
– Я хочу вернуться к теме сессии – о роли цифрового дизайна и искусственного интеллекта в проектировании материалов, обратиться к истории, как эти направления вообще возникли, – говорит руководитель лаборатории методов ИИ для разработки материалов в Центре искусственного интеллекта Сколтеха, профессор Александр Шапеев. – Затем покажу, как искусственный интеллект решает задачи, которые раньше не решались, и расскажу о текущем тренде – об автоматизации и о том, как моя работа связана с работой предшественников. Материалы и дизайн – это очень старые области, которые возникли ещё до науки. Наука появилась несколько веков назад, тогда как вычисления, то, что мы называем цифровыми технологиями и искусственным интеллектом, возникли сравнительно недавно. По сути, искусственный интеллект сформировался на глазах у многих присутствующих здесь людей. И теперь о его роли в дизайне материалов и компонентов. Здесь всё определяется несколькими факторами.
Первый фактор – рост вычислительных мощностей, которые уже доступны сегодня. Мы надеемся, что с развитием фотонных компьютеров они будут и дальше расти, открывая новые возможности, когда речь идёт уже не просто о единичных вычислениях, а о параллельной обработке данных. Уже в 1950-е годы появилась возможность выполнять цифровой дизайн некоторых простых изделий на компьютере. Далее это направление развивалось, и сегодня подобная технология стала повсеместной: например, мосты уже не проектируются через серию прототипов, а полностью разрабатываются на компьютере, после чего тестируется финальная версия конструкции, которая в большинстве случаев оказывается подходящей.
Примерно в то же время, когда мы научились достаточно хорошо проектировать изделия, у учёных и инженеров появилась другая мечта – проектировать на компьютере сам материал, из которого изготавливается изделие. И если численные методы, ставшие эффективными благодаря компьютерам, позволяли работать с материалами, то до появления искусственного интеллекта численные методы не позволяли полноценно проектировать материал на компьютере.
Существовали разные подходы – молекулярная динамика, квантовая механика, – но у каждого из них были свои ограничения: у первой – по точности, у второй – по скорости вычислений. Поэтому роль искусственного интеллекта, по сути, заключается в том, что эта мечта была реализована примерно через несколько десятилетий после своего возникновения. Это стало возможным благодаря тому, что модель искусственного интеллекта в определённом смысле «выучивает» физику. То, что происходило раньше, можно представить так: на вход подавалась, например, кристаллическая структура, а на выходе необходимо было получить свойства, для расчёта которых молекулярной динамике требовалось знать физику взаимодействия атомов между собой. Это было очень долго и не всегда автоматизируемо. Затем появились методы машинного обучения. Они позволили за несколько месяцев, а иногда и лет, построить модель, описывающую то, как атомы в конкретной системе взаимодействуют, и тем самым решать задачи, которые ранее были нам недоступны.
Следующий важный тренд, на мой взгляд, заключается в том, что мы начинаем автоматизировать уже и эти процессы. Сначала алгоритмы искусственного интеллекта позволили автоматизировать построение моделей. Всё это превратилось в своеобразный полупрозрачный чёрно-серый ящик, который выдаёт нам ответы. А затем и сами пайплайны стали объектом автоматизации.
То есть мы переходим к такой схеме, при которой инженер, используя эти методы, получает на вход определённое задание и рассчитывает свойства. Ближайшее будущее состоит в том, что алгоритмы – их уже вполне можно называть агентами – сами будут принимать решение о том, при каких условиях выполнять те или иные расчёты, как обрабатывать данные и каким образом восстанавливать свойства.
Всё это превращается в то, что я называю автономными цифровыми технологиями. И после того, как они будут созданы, следующим шагом станет их интеграция с автономными роботизированными экспериментальными технологиями. Именно к этому, собственно, всё и движется. И именно поэтому мне особенно интересно выступать после ИТМО: здесь очень хорошо видна логика перехода от цифровых методов к автоматизированной лабораторной практике.
Что мы уже сделали с помощью инструментов, которые разрабатываем? Речь о повышении эффективности электролита. В автоматическом режиме мы можем проводить скрининг свойств, точнее – скрининг добавок к электролиту, которые потенциально повышают его характеристики. Далее, в автоматическом режиме, мы это уже реализовали в полуавтоматическом формате, но совсем скоро агенты будут сами планировать такие добавки, а также формировать входные данные для молекулярно-динамических расчётов. Молекулярно-динамические расчёты, в свою очередь, уже выполняются с использованием моделей искусственного интеллекта. В результате в автоматическом режиме получается ответ, который фактически соответствует запросу заказчика. И, с моей точки зрения, это одна из первых работ такого рода. В дальнейшем всё это направление будет только расти и развиваться.
Фотоника: свет новой эпохи
– Всегда удивляет, что на конференции, посвящённой редким и редкоземельным металлам, мы очень много говорим о фотонике, – говорит заместитель генерального директора по НИОКР и инновационному развитию холдинга «Швабе», доктор технических наук Сергей Попов. – Я как руководитель приоритетного технологического направления по оптоэлектронике и фотонике в РФ могу сказать, что связь здесь абсолютно неразрывная. Дело в том, что на сегодняшний день фотоника во всём мире, а именно оптоэлектроника, – это направление, которое открывает новую эпоху. Об этом сегодня уже говорилось: мы видим прорывные решения в науке и технологиях, и вместе с тем есть замечательный слоган, который звучит так: фотоника – это локомотив экономики. И, собственно говоря, на сегодняшний день это действительно очень актуальное направление.
Где же связь между темой нашей конференции и технологиями, о которых мы сегодня в течение всего дня будем говорить. Фотосенсорика, материалы для лазерных технологий, для телекоммуникаций, для фотонных вычислений – всё это, как ни крути, напрямую связано с тем, о чём мы сегодня вспоминаем, а именно с редкими и редкоземельными металлами. Причём часто бывает так, что промышленность должна поставлять продукцию в больших количествах. В нашем направлении, в наукоёмком и высокотехнологичном, речь идёт не о тыс.ах тоннах, как, например, о рельсовой стали, которую потребляет железная дорога. Здесь совсем другой подход. Нужны сравнительно небольшие объёмы, но при этом требуется соответствующее качество. Ведь практически при небольших количествах мы используем высокочистые вещества. Пять, а иногда и семь девяток чистоты – это именно то, что позволит обеспечить перспективу создания новых материалов и новых элементов, которые дадут нам возможность строить перспективные системы.
По сути, отрасли фотоники и оптоэлектроники, даже радиофотоники, являются потребителем РЗМ. У нас очень часто спрашивают, кто является потребителем. В данном случае это отраслевой потребитель – то направление, на которое ориентирована наша сегодняшняя работа на конференции. Что касается внимания к развитию направления оптоэлектроники и фотоники в Российской Федерации, то это целый комплекс процессов, связанных с будущим фотоники. Это и научные исследования, и технологии, и организация серийного производства многих изделий, которые обеспечивают, с одной стороны, не просто импортонезависимость, а импортопережение. Да, мы действительно во многих направлениях выступаем драйверами и даже опережаем технологическое развитие, отрабатывая элементную базу, создавая перспективные образцы лазерной техники, перспективные оптические системы для космоса и для микроскопии будущего.
Уже есть несколько примеров наших прорывных решений, связанных с созданием технологий. Первое – создание программы комплексной аналитической программы «Фотоника 2030», в рамках которой одновременно на уровне Правительства прорабатываются решения – от изделий до технологий. При этом, обсуждая сегодня в Министерстве промышленности и торговли реализацию этих планов, заложенных в программе, мы понимаем, как их внедрять, как от материала прийти к конечному изделию. В августе этого года запланирован запуск Центра коллективного пользования Сибирского кольцевого источника фотонов – СКИФ. Это тоже новый, я бы сказал, мега-science-проект, который, по логике развития фотоники, должен обеспечить нам прорыв на научном уровне, а также, что не менее важно, на научно-практическом уровне. Потому что и микроэлектроника, и фотоника, и новые материалы, и плёночные покрытия – всё это может проходить апробацию и исследования с использованием самых современных структур, создаваемых на основе новосибирского опыта.
Что касается микроскопии, я уже отметил, что сверхвысокое разрешение, достигаемое сегодня с использованием оптических и лазерных технологий, позволяет нам изучать живые ткани, помогать врачам в борьбе с онкологическими заболеваниями, прогнозировать возможности воздействия химических веществ, работать с раковыми клетками – как на Земле, так и в рамках целого комплекса исследований в космическом пространстве. С лазерной медициной, думаю, все довольно хорошо знакомы и понимают, насколько перспективно это направление. Основу составляют волокна, покрытия, дисковые лазеры, облегчённые элементы, оптические элементы для использования в астрономии, в космических исследованиях, в реализации космических программ, связанных с дистанционным зондированием Земли из космоса.
Таким образом, направления, которые я кратко обозначил, ещё раз показывают, во‑первых, перспективность, а во‑вторых, очень тесную взаимосвязь с тематикой сегодняшней конференции. И самое главное, ещё раз хочу обратиться к тем, кто производит, добывает, очищает и определяет чистоту этих веществ: нам нужны высокочистые вещества для использования в нашей отрасли.
Важно добавить, что технологии без людей – это тоже не технологии. Поэтому нами реализуется очень большая программа подготовки специалистов соответствующего уровня в нескольких ведущих вузах страны. Это и МГТУ имени Баумана, и Московский государственный университет, и Российский университет дружбы народов, который позволяет нам привлекать международное сообщество к подготовке кадрового потенциала будущей фотоники.
Мост из абстракции в реальность
– Построить мостик между научными школами, накопленным заделом и реальным сектором экономики непросто, – сказала Екатерина Солнцева, заместитель председателя правительства Нижегородской области. – И прежде всего важно понимать: невозможно привнести коммерцию в технологии, если самих технологий нет. Но в Нижегородской области они есть, и это подтверждают национальные рейтинги.
Мы вошли в четвёрку регионов по уровню научно-технологического развития, совершив серьёзный рывок с девятого места, которое занимали ещё в 2023 году. Кроме того, мы занимаем седьмое место в рейтинге управленческого НТР. И, к слову сказать, сегодня в Нижегородской области в сфере науки и технологий заняты 42 тыс.и человек. 1 200 промышленных предприятий имеют в своём составе подразделения НИОКР. Если говорить об университетской науке, у нас 11 федеральных вузов, 18 филиалов, один региональный вуз и, конечно, Национальный центр физики и математики, который, безусловно, заслуживает отдельного упоминания.
Что важно? Сегодня мы очень часто выступаем своего рода пилотом по многим направлениям. Но, как я уже говорила ранее, мы нередко упираемся в так называемую долину смерти. И вот как её преодолеть – это уже несколько секретов. Я начала издалека, а теперь перейду непосредственно к искусственному интеллекту. Если говорить в более широком контексте, то прежде всего необходимо понимать: все проекты на ранних стадиях – TRL-1…TRL-4 – нуждаются в поддержке. Именно выявлением и сопровождением таких проектов занимается Нижегородский научно-образовательный центр. Что он делает? Во-первых, он помогает собрать все идеи, которые есть в университетах, помогает оформить заявки и выстроить диалог с квалифицированным заказчиком. Сегодня для достижения технологического лидерства особенно важна коммуникация с квалифицированным заказчиком. И, кстати говоря, работа с сообществом молодых учёных – это тоже крайне важно. Мы были одним из первых регионов, а можно сказать и первым, кто при поддержке РНФ и Координационного совета по делам молодёжи провёл школу именно по работе с квалифицированным заказчиком. Там Росатом, СИБУР, АФК «Система» и многие другие крупные компании выступили и рассказали, как они хотят, чтобы наука с ними коммуницировала.
Переходя дальше, хочу отметить: цифры говорят сами за себя. Первая ступенька – это как раз НОЦ, вторая ступенька – это ИНТЦ «Квантовая долина». По сути, сегодня в стране существует целая программа по созданию таких свободных от налогов зон, где бизнес, организации и промышленность могут приходить и инвестировать в создание наукоёмких исследовательских подразделений. Следующий шаг, что очень важно, – это особая экономическая зона «Кулибин». Почему это важно? Потому что она находится в городе, который по праву считается столицей химии – Дзержинске, где сосредоточены различные химические производства. И именно это, в свою очередь, позволяет выстраивать уже совершенно иные СПО и производственные цепочки.
Что дальше? Говоря о реальных примерах: в прошлом году мы вместе с «СЗЕ-Синтез» открыли участок по производству депрессоров, диспергаторов и противоизносных добавок для российских топлив. Это очень показательный кейс: в 2024 году студенческая лаборатория пришла в НОЦ и заявила, что у неё есть такая идея. НОЦ помог оформить заявку и найти бизнес-партнёра. И уже в 2025 году, буквально за год, мы открыли малое производство. Сегодня его мощность составляет 250 тонн в год таких присадок, и это практически 80% охвата российского рынка. Другой, не менее успешный кейс – создание центра малотоннажной химии. Конечно, большие заводы и производства берутся за создание линий, технологий и материалов, которые можно производить в тоннах. Но что делать там, где сегодня, как уже говорилось, например в микроэлектронике, нужны вещества в граммах?
Именно здесь особенно важно поддерживать и развивать науку на стыке наших вузов, таких как ННГУ, НГТУ имени Алексеева, и в том числе крупных академических институтов Российской академии наук. У нас, кстати, в регионе работают пять институтов РАН. Это, в частности, Институт прикладной физики и Институт физики микроструктур. Именно там сегодня реализуется проект по созданию нового рентгеновского литографа, который крайне важен и без которого невозможно дальнейшее развитие как фотоники, так и микроэлектроники. И, конечно же, это наши химические институты, включая Институт химии высокочистых веществ, где, кстати, сегодня находится единственный в мире музей эталонов высокочистых веществ. Кроме того, это и Институт металлоорганической химии, который как раз связан с созданием центра малотоннажной химии и участвует в этом проекте.
Важно, что здесь сосредоточена академическая наука в лице ННГУ, НГТУ и промышленность в лице «Нефтепроминвеста». Уже сегодня построен один из корпусов, и рядом с Институтом металлоорганической химии строится второй корпус.
Наш Нижегородский научно-образовательный центр является также оператором РНФ. Многие грантовые проекты РНФ, в том числе, направлены на поддержку реальных проектов – и фундаментальных, и прикладных, – но самое важное, проектов, связанных с конкретным квалифицированным заказчиком. И вот в прошлом году у нас в России проходил конкурс, в котором участвовали 36 проектов из 11 регионов, и наш регион взял два проекта – это как раз те самые два химических института РАН.
По объёмам финансирования это примерно 46 млн руб., включая средства РНФ и региональную поддержку на реализацию этих проектов. Нижегородский научно-образовательный центр может работать не только с региональными стейкхолдерами. Поэтому, если у вас есть идеи и проекты, которые вы хотели бы подать, в том числе при поддержке РНФ, мы готовы к взаимодействию и коллаборации. Тем более что дальше, и это очень важно, всё это невозможно без кадров.
Без удержания талантливых ребят в регионе такие процессы не работают. И здесь важно отметить, что у нас есть несколько центров удержания молодых специалистов. С одной стороны, это Национальный центр физики и математики, где ежегодно проходит более десяти различных школ, в том числе по квантовым вычислениям, суперкомпьютерным вычислениям и связи высшей науки с искусственным интеллектом. С другой стороны, у нас сегодня строится один из важнейших проектов – кампус мирового уровня, и, безусловно, это IT-кампус. Почему это важно? Потому что наш регион является третьим в стране по выпуску программного обеспечения. Кроме того, у нас очень сильные школы химии и микроэлектроники. Всё это позволяет нам опираться на прочный фундамент и развивать дальнейшие исследования, в том числе новые школы по искусственному интеллекту. У нас уже есть достаточно молодой вуз – Университет Неймарк, который не конкурирует с существующими вузами региона, а, наоборот, реализует межвузовский подход.
Мы хотим создать аналог MIT с точки зрения того, что у нас есть 11 федеральных вузов и 18 филиалов, и, казалось бы, удобно было бы, чтобы ребята приезжали учиться не в конкретный вуз, а в Нижний Новгород, пользуясь всеми возможностями этих университетов. То есть они могли бы получать высшую математику в университете Лобачевского, робототехнику – в НГТУ имени Алексеева, а искусственный интеллект – дообучать уже с учётом возможностей конкретных профессиональных навыков и запросов индустрии. И у нас локализованы такие компании, как Росатом и Yadro. Более того, в этом году мы создали специальную программу под Ядро, связанную с сопряжённым дизайном. И это позволяет готовить кадры для экономики, которые уже со второго курса, по модели МФТИ, участвуют в разработках в крупнейших IT-компаниях. Тем самым мы интегрируем современные методы искусственного интеллекта, цифрового зрения и другие подходы в проектирование материалов и создание новых технологий.
