В отличие от похожих ассистентов, CoScientist решает не отдельные, а комплексные высокоуровневые научные задачи вместе с коллегой-ученым — анализирует литературу, извлекает и подготавливает набор данных, обучает генеративные и предиктивные ИИ-модели для поиска новых молекул и соединений, проводит многокритериальный отбор кандидатов. Разработка повысит эффективность и ускорит проведение исследований в области химии, наноматериалов и клинической медицины.
Любое научное исследование включает в себя множество этапов — определения проблем и постановку целей, формулирование и проверку узких гипотез, дизайна экспериментов, анализ и публикацию результатов. Только на анализ литературы, излечение и подготовку набора данных, обучение генеративных моделей для поиска новых молекул и соединений ученые могут тратить около месяца.
В 2025 году команда разработчиков Института искусственного интеллекта ИТМО создала цифрового ассистента химика ChemCoScientist. Он автоматизирует исследования в области химии и помогает ученым решать рутинные и времязатратные научные задачи, например, извлекать знания из статей по химии, генерировать новые и дорабатывать существующие химические соединения и предсказывать их свойства. С помощью ChemCoScientist можно ускорить и упростить создание новых лекарств и материалов в научных лабораториях, фармацевтических компаниях и на химических производствах. Однако, по словам разработчиков, ChemCoScientist и другие подобные модели способны хорошо выполнять только отдельные простые задачи в заданных доменных областях — «сгенерируй молекулу» или «предскажи ее свойства».
CoScientist — новая разработка ученых, которая полностью автоматизирует работу в области вычислительной химии и медицины, в том числе поиск новых молекул. Ассистент может «закрыть» весь процесс исследования — от поиска и анализа литературы до автоматической сборки датасета, дообучения моделей под конкретные задачи и многокритериальной фильтрации молекул-кандидатов.
В основе CoScientist — сочетание мультиагентной системы и мультиагентного воркфлоу (структурированной последовательности действий и правил для выполнения задач). Разработчики использовали оба метода, чтобы нивелировать их недостатки. Мультиагентный воркфлоу подходит для узкого класса задач и дорогой в разработке, зато он более стабильный, дешевый в использовании и предсказуемый, так как работает по четким инструкциям. В мультиагентной системе, наоборот, агенты не ограничены рамками и сами решают, как взаимодействовать между собой и достигать цели, но при этом дороги в использовании.
«В CoScientist мультиагентная система действует как "управляющий" и автоматически генерирует мультиагентный воркфлоу под конкретную задачу в области химии и медицины. Он взаимодействует с библиотекой типовых востребованных ролей, например генератора гипотез, исследователя, аналитика данных, и библиотекой прикладных инструментов. Это позволяет адаптироваться к разным задачам и областям и выполнять основные шаги в работе ученого — от сбора информации и анализа литературы до обучения генеративных моделей, оценки результатов исследований и формирования технического задания на опытно-конструкторские работы. Далее ученый вместе с ИИ "в четыре руки" управляет работой агентов, оценивая результаты, формируя новые гипотезы и корректируя цель. Сочетание мультиагентной системы и мультиагентного воркфлоу позволило нам повысить эффективность разработки в два раза и вдвое снизить ее стоимость относительно других продуктов, которые генерируют мультиагентные системы», — рассказала руководитель проекта, старший научный сотрудник исследовательского центра «Сильный искусственный интеллект в промышленности» ИТМО Анна Калюжная.
Для оценки эффективности CoScientist ученые-химики ИТМО создали бенчмарк с более чем 300 сложными вопросами по статьям из аналитической химии, электрохимии, биохимии и еще пяти смежных областей. ИИ-система должна была найти ответы в опубликованных статьях и показать пользователю. CoScientist ответил на вопросы на 41% лучше в сравнении с топовыми моделями, например, Gemini 2.5 Pro или ChatGPT-5.
Разработка апробируется на разных задачах из области химии, наноматериалов и клинической медицины. Например, с помощью CoScientist ученые ИТМО создают новые ингибиторы для лечения рассеянного склероза с учетом активности молекул к целевым белкам заболевания, известной в научной литературе. В перспективе ученые планируют расширить функционал ИИ-системы на другие естественные и инженерные науки.
Источник: ITMO NEWS