ИИ CatDRX ускоряет разработку химических катализаторов для промышленности

Исследователи из Токийского научного института представили генеративную модель искусственного интеллекта CatDRX, способную одновременно проектировать структуры катализаторов и прогнозировать их эффективность в конкретных реакционных условиях.

Новая генеративная модель ИИ может проектировать структуры катализаторов и предсказывать их производительность. Автор: Institute of Science Tokyo

CatDRX — это фреймворк на основе условного вариационного автоэнкодера, который обучается на больших наборах данных о химических реакциях. В отличие от существующих методов, он учитывает не только структуру катализатора, но и всю среду реакции, включая реагенты, продукты и время протекания. Это позволяет модели предсказывать ключевые показатели, такие как процент выхода продукта или селективность, а также предлагать совершенно новые структуры катализаторов, оптимизированные под заданную реакцию.

Модель была протестирована на реальных промышленно важных реакциях, таких как кросс-сочетание Сузуки–Мияура и асимметрическая реакция Пикте–Шпенглера. Результаты показали, что CatDRX точно предсказывает каталитическую активность и генерирует кандидаты, структурно схожие с известными успешными катализаторами, а также предлагает новые перспективные варианты для лабораторных испытаний.

«Ключевое преимущество CatDRX — в его гибкости. Вы можете попросить модель искать совершенно новые катализаторы или исследовать небольшие структурные вариации вокруг известных катализаторов для повышения производительности», — пояснил ведущий автор работы, доцент Масахито Оуэ.

В будущем исследователи планируют улучшить модель, добавив в обучение данные о температуре и концентрации реагентов, а также расширить библиотеки катализаторов, чтобы предлагаемые структуры было проще синтезировать. Разработка способна значительно ускорить и удешевить открытие катализаторов для фармацевтики, материаловедения и «зелёной» химии.

Больше информации: Apakorn Kengkanna et al, Reaction-conditioned generative model for catalyst design and optimization with CatDRX, Communications Chemistry (2025). DOI: 10.1038/s42004-025-01732-7