Искусственный интеллект перестал быть лишь инструментом анализа данных — сегодня он активно применяется для оптимизации и прогнозирования новых материалов и молекул, ускоряя исследования и позволяя учёным сосредоточиться на самых перспективных кандидатах. При этом ИИ не считается соавтором работы, а выступает мощным помощником, который выполняет задачи, ранее требовавшие сотни часов работы суперкомпьютеров и экспериментов вручную.

ИИ и квантовые материалы

В начале июня 2026 года компания Microsoft представила квантовый чип Majorana 2, где алгоритмы ИИ использовались для подбора материалов и топологий кубитов. Благодаря этому кубиты стали примерно в 1000 раз надёжнее предыдущих поколений. Это показывает, как ИИ позволяет ускорять исследование свойств веществ и проектирование новых электронных компонентов.

Другой пример — покупка британского стартапа Oxford Ionics компанией IonQ. Использование ИИ для выбора и оптимизации материалов помогает квантовым компаниям быстрее создавать прототипы и тестировать новые конструкции, которые раньше требовали месяцы расчетов на суперкомпьютерах.

В последние месяцы подобные подходы всё чаще появляются и в фундаментальной физике материалов. Например, недавно исследователи с помощью вычислительного скрининга проанализировали сотни возможных атомных структур и обнаружили восемь ранее неизвестных форм борофена — двумерного материала толщиной всего в один атом. Среди найденных вариантов оказались структуры с редкими квантовыми состояниями, которые раньше для борофена даже не предсказывались. Хотя работа не использовала генеративный ИИ в привычном понимании, она хорошо показывает: всё чаще новые материалы сначала появляются в результате масштабных компьютерных расчётов, а уже затем становятся объектом лабораторных экспериментов.

Как работает ИИ в материалах и биомедицине

ИИ применяют для анализа больших массивов данных и генерации новых вариантов материалов с заданными свойствами. В отличие от старых подходов на суперкомпьютерах, где исследователь вручную формировал кандидатов и проверял их свойства, современные алгоритмы ИИ:

быстро перебирают сотни и тысячи вариантов;

предсказывают термическую и динамическую стабильность;

оценивают потенциальные свойства для конкретных применений (электронные, оптические, магнитные).

В биомедицине ИИ применяют для проектирования вакцин и лекарств. Недавние проекты показали, что алгоритмы могут анализировать генетические последовательности вирусов, выбирать наиболее перспективные участки для иммунной атаки и предлагать кандидаты на вакцину, которые проходят первые стадии клинических испытаний. Такой подход значительно ускоряет открытие лекарств и уменьшает число неудачных экспериментов.

Примеры практического применения

Квантовые чипы и сенсоры: ИИ помогает проектировать материалы с высокой подвижностью электронов, способные работать при низких энергопотерях.

Материалы для аккумуляторов и электроники: алгоритмы ИИ оптимизируют составы и структуры, чтобы ускорить зарядку, уменьшить деградацию и улучшить тепловые характеристики.

Композиты и покрытия: добавление AI-оптимизированных компонентов повышает прочность и долговечность материалов, улучшает их электрические и тепловые свойства.

Вакцины и лекарства: ИИ помогает находить комбинации компонентов, которые вызывают иммунный ответ и сокращают время исследований.

В чём отличие от суперкомпьютеров

Ранее для таких же задач использовались суперкомпьютеры: они считали свойства материалов или молекул по заданной формуле и выдавали результаты в виде массивов чисел. ИИ же:

умеет учиться на предыдущих данных и делать предсказания о новых материалах;

использует генеративные модели для создания потенциально новых молекул и структур, которые раньше сложно было смоделировать;

помогает быстро выявлять самые перспективные кандидаты, сокращая количество лабораторных проверок.

Таким образом, ИИ — не заменитель ученого и не «соавтор», а интеллектуальный инструмент, который меняет методологию исследований, ускоряет работу и делает её более направленной.

Перспектива

Сегодня эти технологии только начинают формировать будущее: более быстрые квантовые чипы, точные сенсоры, новые композиты и ускоренные разработки лекарств. В ближайшие годы ИИ будет всё чаще выступать в роли молекулярного и материаловедческого навигатора, позволяя человечеству открывать вещества и решения, которые раньше были недоступны из-за временных и вычислительных ограничений.