10 декабря 2021
10 декабря 2021
Специалисты Университета Иннополис уступили только команде из Microsoft Research. Участники Open Catalyst Challenge разрабатывали алгоритмы по применению глубокого обучения для квантовой химии и поиска катализаторов для возобновляемой энергетики. Организаторы конкурса — Meta AI (Facebook AI Research) и Университет Карнеги Меллон.
Для работы в феврале 2021 года участники получили самый объёмный датасет по квантовохимическим свойствам материалов и молекул в мире — набор данных содержит 1,2 миллиона молекулярных релаксаций с результатами более 250 миллионов вычислений методом DFT. Основная задача — переход от затратных по времени и ресурсам квантовохимических расчетов, которые занимают до 24 часов на структуру, к более быстрым предсказаниям на основе машинного обучения — менее 0.1 секунды на предсказание. Данный датасет позволяет обучить модели для поиска более активных и энергоэффективный катализаторов для процессов превращения малых молекул в более ценные продукты и для хранения электрической энергии
Руководитель Лаборатории развития продукта в сфере искусственного интеллекта в новых материалах Университета Иннополис Руслан Лукин: «Глобальное потепление из-за избыточной концентрации СО2 в атмосфере, а также неравное потребление электрической энергии в больших городах в зависимости от времени суток стало вызовом для создания новых способов хранения энергии, в том числе из возобновляемых источников. Один из таких подходов — использование СО2 как молекулу-аккумулятор. За счет электрохимических процессов диоксид углерода может быть сконвертирован в более ценные малые молекулы — метан, этилен, метанол, этанол — и использован как для выработки электрической энергии обратно, так и в качестве строительного блока для производства полимеров и крупнотоннажных химических продуктов. Во время конкурса мы построили модели на основе графовых нейросетей с передачей информации для предсказания энергии адсорбции из структуры катализатора и реагента. С помощью этого можно найти катализаторы, которые позволят сделать эти процессы возможными, а также отобрать среди огромного пространства катализаторов наиболее селективные и энергоэффективные с точки зрения каталитических процессов. К тому же данный датасет позволит найти более эффективные электрокатализаторы для водородной энергетики и производства удобрений напрямую из атмосферного азота, а также более экологичные автомобильные катализаторы».
Всего в соревновании участвовали 30 решений от команд из Microsoft Research, Technical University of Denmark, Университета Карнеги Меллон, Technical University of Munchen, Texas A&M University, KAUST, AIRI и т.д. Такое количество обусловлено очень высоким порогом вхождения: нужны мощные GPU сервера для обучения графовых нейросетей на данных по структурам, хорошая экспертиза в глубоком обучении на химических структурах и методах работы с данными кристаллических структур.
Группы работали над решениями до октября. Они оценивались по метрике точности модели MAE (Mean Absolute Error). «Проверка проводилась по нескольким тестовым разбивкам, а также учитывалась доля предсказаний, чья ошибка не превышает значение 0.01 eV, что говорит о том, что модели машинного обучения позволяют предсказывать свойства с той же точностью, что и квантовохимические расчеты. Точность решения победителей из Microsoft Research — 0,547 eV, наша точность — 0,618 eV», — пояснил Руслан Лукин. Вместе с Русланом в команде работали ещё три специалиста Института искусственного интеллекта Университета Иннополис — Ростислав Григорьев, Максим Фадеев и Адель Яруллин.
Конкурс прошёл в рамках крупнейшей ежегодной конференции по машинному обучению и вычислительной нейробиологии NeurIPS.
Руководитель Института искусственного интеллекта Университета Иннополис Рамиль Кулеев: «В этом году мы начали развивать исследования в области поиска и улучшения архитектур глубокого обучения, для предсказания свойств материалов и молекул. Архитектуры, представленные нашей командой на конкурсе, являются универсальными, и могут быть использованы как для предсказания свойств кристаллических материалов для применения их в катализе, поиска материалов для нейроморфных вычислений, а также и в области предсказания свойств молекул поиска новых лекарств. Это значительно сократит время на проведение расчетов и экспериментов, а также позволит в дальнейшем более эффективно решить обратную задачу поиска материалов и молекул с заданными свойствами».
25 марта 2024
На площадке выступили представители российского ИТ-вуза, Минстроя России, АНО «Цифровая экономика», Sitronics Group, ГК «Взлет», Пикс Роботикс, МИРЭА, МФТИ и Федерального центра компетенций в сфере производительности труда. В кибербитве участвовали команды из КНИТУ-КАИ им. А.Н.Туполева, МФТИ, ННГАСУ, РТУ МИРЭА. Мероприятия прошли при поддержке Минстроя и Минобра России.
5 апреля 2024
Исследовательский центр в сфере искусственного интеллекта Университета Иннополис начал тестовое внедрение сервиса поиска аналогов промышленной продукции в каталоге Министерства промышленности и торговли Российской Федерации. Новая система значительно упростит и ускорит процесс поиска необходимой продукции, способствуя эффективной интеграции и использованию данных каталога Минпромторга.
1 апреля 2024
Организации планируют совместные проекты с применением искусственного интеллекта и информационных технологий в медицине, нефтегазовой отрасли и образовании. ИТ-вуз стал первой российской компанией, с кем Национальное агентство исследований и инноваций BRIN Индонезии заключило меморандум о взаимопонимании.