Основной тематикой данного курса станет применение методов искусственного интеллекта в области химии и материаловедения. Предполагается проведение лекционных занятий, а также практических работ, позволяющих закрепить полученные ранее теоретические знания как при помощи совместного рассмотрения программного кода с преподавателями, так и за счет самостоятельной реализации алгоритмов, предназначенных для решения актуальных задач, относящихся к тематике курса.

Вводная лекция посвящена общему рассмотрению методов искусственного интеллекта, в частности – машинного обучения, и решению с их помощью различных задач. В рамках последующих лекционных занятий будет последовательно изложена информация о форматах и способах хранения химических данных, методах представления молекулярных и периодических структур. Слушатели курса также ознакомятся с широким набором современных предсказательных и генеративных алгоритмов, адаптированных для решения прямой и обратной задачи “структура-свойство”. В заключительной части лекционных занятий представлены основы параллельных вычислений.

В рамках практических занятий слушатели ознакомятся с основами языка программирования python и инструментами разработки. Отдельное внимание будет уделено рассмотрению наиболее популярных библиотек, предназначенных для визуализации и статистической обработки данных. Предлагаемые к программной реализации алгоритмы соответствуют наиболее распространённым задачам, стоящим перед искусственным интеллектом в химии: прогнозирование свойств химических соединений, оптимизация молекулярной геометрии, дизайн новых молекул и функциональных материалов. По итогам курса слушатели смогут самостоятельно использовать методы искусственного интеллекта для построения предсказательных моделей на основе химических данных.

Продолжительность курса – 1 семестр (8 лекций, 9 семинаров и 5 практикумов)

Темы, изучаемые в рамках курса:

Блок 1: Введение. Язык python. Анализ молекулярных данных. Основные идеи и методы машинного обучения. Химические данные. Перевод данных к машинно-читаемому виду: дескрипторы. Нейронные сети.

Блок 2: Вычислительная химия твердого тела. Дескрипторы кристаллической структуры. Предсказание свойств материалов.

Блок 3: Методы глобальной оптимизации. Роевой интеллект. Оптимизация параметров моделей. Генеративные модели.

Блок 4: Оптимизация кода. High performance computing. Использование GPU и параллельных вычислений для ускорения расчетов.

Материалы к семинару 2: https://drive.google.com/drive...