«Приятно думать, что найденные решения в перспективе могут помогать людям»

Университет Иннополис

Фото: media.innopolis.university

В Университете Иннополис подвели итоги международного отраслевого онлайн-хакатона Global Al Challenge. В нем соревновались команды разработчиков в области создания новых материалов с применением искусственного интеллекта. Третье место заняла команда DrugANNs, в числе участников которой — студенты факультета компьютерных наук НИУ ВШЭ.

За победу в онлайн-конкурсе боролись 90 команд из 15 стран, а общий призовой фонд составил 1 миллион рублей. Задача заключалась в предсказании активности разных молекул против определенного белка вируса COVID-19. Команды должны были оценить, является ли молекула активной против белка, построить модель, которая умеет предсказывать такую активность, и сделать предсказания для тестового набора данных.

Герман Магай

«По описанию задача показалась нам интересной, — отмечает Герман Магай, аспирант ФКН ВШЭ по профилю «Теоретические основы информатики», участник команды DrugANNs. — И мы решили собрать команду. В течение двух недель старались регулярно созваниваться и делиться прогрессом друг с другом, распределяли задачи. Помогло занять призовое место то, что каждый в команде внес свой вклад, каждый был специалистом в своей области, и в сумме наши усилия дали хороший результат».

Максим Бекетов

Максим Бекетов, аспирант 2-го года кафедры высшей математики ВШЭ, — о задаче: «Данных по такой активности, реально полученных в лаборатории или же методами вычислительной химии, не так много. К тому же у одной молекулы, если она большая, есть, скажем так, экспоненциально много конфигураций ее составных частей в пространстве. Какие-то из них могут оказаться активными против белка, а какие-то — нет. Пространственная структура тут очень важна: белок дан в виде определенного кода, по которому можно понять ее 3D-модель, и у этой 3D-модели может оказаться несколько точек, куда молекула может "прилепиться" — и подействовать — или не "прилепиться"».

По мнению Максима, применение машинного обучения в биологических или медицинских задачах мотивирует к участию в подобных соревнованиях: «Приятно думать, что найденные решения в перспективе могут помогать людям. Но не меньше привлекает и то, что сейчас в этой области появляются методы, за которыми стоит красивая математика — эквивариантные графовые нейросети, нейросети на симплициальных комплексах как обобщениях графов и тому подобное».

Дмитрий Киселев

С Максимом согласен Дмитрий Киселев, аспирант образовательной программы «Компьютерные и информационные науки», 3-й курс, участник команды DrugANNs, который отметил, что применение графовых нейронных сетей  (GNN) является актуальным и быстро развивающимся направлением. «Последнее время GNN активно используют для решения задач в естественных науках, — говорит Дмитрий. — В частности, в химии для предсказания свойств молекул, их моделирования и т.д. Я давно хотел попробовать себя в этой области. Открытия в ней могут стать важными для всего общества, принести пользу». По его словам, задача предсказания активности молекул вполне известная, аналогичные соревнования проходят регулярно. «Я попробовал кучу репозиториев, модернизировал разные идеи, попытался совместить разные подходы, но хорошего качества добиться не удалось. В какой-то момент я даже расстроился и решил, что нужно глубже копать, — объясняет он. — Однако позже наши коллеги, химик и биоинформатик, помогли правильно предобработать данные, и все заработало».

Над задачей также активно работали участники команды из других университетов — химик, биоинформатик, специалисты по машинному обучению, в частности графовым нейросетям. Это позволило DrugANNs найти нужное решение и занять призовое место. «После завершения хакатона мы продолжаем общаться, — говорит Максим. — В том числе и по теме задачи хакатона: она всем нам интересна, мы хотели бы и далее в ней развиваться, участвовать в подобных хакатонах или пробовать силы в иных форматах».