Магистратуры «Химия�и искусственный интеллект»
Научные проекты
Аннотация
Спектр научных проектов, которыми занимаются студенты нашей программы, очень широк. Каждый из проектов отвечает реальному запросу современной науки и | или индустрии.
При работе над проектами вы учитесь не только применять искусственный интеллект в доменных областях, но и приобретаете большое количество hard- soft skills, необходимых для дальнейшей карьеры и трудоустройства.
Все научные проекты мы разделили по разделам, вы можете увидеть их в содержании (буквально следующий слайд). Вы можете посмотреть все из них или выбрать самые актуальные.
Если у вас возникнут вопросы по интересующему вас проекту, смело пишите куратору на почту или в Телеграм!
2
Содержание
Проекты в области применения искусственного интеллекта в нефтехимии:
Прогностическое обслуживание нефтяных скважин
Оптимизация увеличенного извлечения нефти
Разработка новых растворителей для удаления смолистых отложений в скважинах
Проекты в области генеративного дизайна ферментов и аптамеров:
Генеративный дизайн ДНК-сенсоров для детекции малых органических молекул
Алгоритм-конструктор белковых ферментов для катализа многоступенчатых реакций
Проекты в области применения искусственного интеллекта в Drug Discovery:
Разработка лекарства против болезни Дюшенна
Генеративных дизайн малых молекул с помощью transfer learning
Проекты в области применения искусственного интеллекта в материаловедении:
Создание автоматического алгоритма сбора данных по наноматериалам
Создание и дизайн неорганических катализаторов с новыми типами фермент-подобной активности
Алгоритм универсальных дескрипторов для цифровизации наноматериалов
Using AI and ML to Design Nanoparticles for Precise Cancer Therapy
Leveraging Language Models for Tailored Synthesis of Nanoparticles
3
Проекты в области применения искусственного интеллекта�в нефтехимии
В рамках направления «ИИ в нефтехимии» студенты участвуют в проектах по применению методов машинного обучения для анализа геологических данных, оптимизации бурения скважин, прогнозирования запасов углеводородов.
Кроме того, студенты могут участвовать в прогнозировании свойств нефтехимических продуктов, оптимизации процессов переработки нефти и газа, создании систем мониторинга и контроля качества продукции. Широкий ландшафт проектов позволяет выбрать наиболее интересное направление�и полностью покрыть запросы нефтедобывающих компаний.
Эти проекты реализуются под руководством опытных преподавателей и специалистов�из индустрии. В ходе работы возможно посещение объектов разработки для более полного погружения в область.
4
Прогностическое обслуживание нефтяных скважин
Мария Еремеева
Куратор:
Разработка моделей машинного обучения для прогнозирования сбоев в разработке нефтяных скважин на основе исторических данных, обеспечивая проактивное обслуживание и изменение стратегии бурения для предотвращения дорогостоящего простоя.
Телеграм: https://t.me/m19eremeeva
Почта: eremeeva_maria@scamt-itmo.ru
5
Оптимизация увеличенного извлечения нефти
Мария Еремеева
Куратор:
Телеграм: https://t.me/m19eremeeva
Почта: eremeeva_maria@scamt-itmo.ru
Проект направлен на применение моделей машинного обучения�для предсказания процента извлечения нефти и оптимизации техник увеличения коэффициента нефтеотдачи пласта. В рамках проекта будет проведен анализ и обработка больших объемов данных, включающих информацию о геологических характеристиках месторождений, параметрах скважин и процессах добычи нефти.��На основе этих данных будут разработаны модели машинного обучения, способные предсказывать процент извлечения нефти�с высокой точностью. Проект имеет большой потенциал для применения в нефтяной промышленности, что может привести�к существенному увеличению объемов добычи нефти и повышению прибыльности компаний.
6
Разработка новых растворителей для удаления смолистых отложений в скважинах
Проект направлен на создание эффективных растворителей для удаления смолистых отложений в скважинах. В рамках проекта будет применяться машинное обучение для анализа больших объемов данных, включающих информацию о химических свойствах смол�и их взаимодействии с различными растворителями. С помощью моделей машинного обучения будут определены оптимальные составы растворителей и условия их применения, что позволит эффективно удалять смолистые отложения из скважин.��Проект имеет большой потенциал для применения в нефтяной промышленности, так как смолистые отложения являются одной�из основных проблем при эксплуатации скважин. Ожидается, что результаты проекта позволят сократить затраты на обслуживание скважин и повысить эффективность добычи нефти.
Мария Еремеева
Куратор:
Телеграм: https://t.me/m19eremeeva
Почта: eremeeva_maria@scamt-itmo.ru
7
Проекты в области применения искусственного интеллекта�в молекулярной биологии
Работа метаболических путей, ферментов, клеток и тканей – очень сложные процессы, которые тяжело изучать, контролировать и создавать с нуля классическими методами. Проекты этого направления нацелены на использование больших данных, искусственного интеллекта и компьютерного моделирования для создания новых искусственных ферментов, терапевтических и сенсорных нуклеиновых кислот, применяемых в области биотехнологий, медицины и диагностики.
Более того, инструменты ИИ используются для изучения принципов работы данных молекулярных машин и клеток в целом, что даст возможность создавать такие системы искусственно под поставленные цели катализа, терапии или детекции.
8
Генеративный дизайн ДНК-сенсоров�для детекции малых органических молекул
Потенциал ДНК выходит далеко за пределы хранения наследственной информации — они способны ускорять реакции, регулировать работу клеток, служить элементами биокомпьютеров�и связывать молекулы подобно антителам.��Цель проекта — разработать метод цифрового дизайна ДНК, способных избирательно связывать органические молекулы, что позволит создавать куда более дешевые сенсоры для экспресс-тестов на маркеры заболеваний.
Никита Серов
Куратор:
Телеграм: https://t.me/boss_chemaist
Почта: serov@scamt-itmo.ru
9
Алгоритм-конструктор белковых ферментов для катализа многоступенчатых реакций
Ферменты — ключевой ингредиент практически любого биотехнологического процесса; при этом, их структура настолько сложна, что эвристическая разработка фермента под конкретную химическую реакцию становится практически невозможной.��В рамках проекта ведется разработка алгоритма, способного�на основании данных о существующих ферментах и катализируемых ими реакциях предполагать структуры новых, несуществующих�в природе ферментов, так необходимых для оптимизации процессов производства лекарственных средств и индустриально значимых органических молекул.
Никита Серов
Куратор:
Телеграм: https://t.me/boss_chemaist
Почта: serov@scamt-itmo.ru
10
Проекты в области применения искусственного интеллекта�в Drug Discovery
При работе над проектами в этой области вы становитесь перспективным специалистом�для фарм-направления и фарм-компаний.
В ходе работе у вас будет возможность создать или быть причастным к созданию нового лекарства, которое будет спасать жизни людей.
11
Разработка лекарства против
болезни Дюшенна
Проект основан на использовании генеративного искусственного интеллекта для создания малой молекулы, способной бороться с редким заболеванием - дистрофией Дюшенна. Дистрофия Дюшенна — это генетическое нарушение, которое приводит к прогрессивной деградации мышц и ограничению подвижности у пациентов.��Цель проекта заключается в разработке эффективного лекарства, способного замедлить или остановить прогрессирование болезни. Проект также открывает новые возможности для применения генеративного ИИ в области разработки лекарств, что может привести к созданию более эффективных и инновационных методов лечения других редких заболеваний.
Анастасия Орлова
Куратор:
Телеграм: https://t.me/asya1610
Почта: orlova@scamt-itmo.ru
12
Генеративных дизайн малых молекул�с помощью transfer reinforcement
Проект основан на использовании передовых алгоритмов искусственного интеллекта для разработки новых лекарственных молекул, направленных на борьбу с различными заболеваниями.��В рамках проекта будут созданы алгоритмы, способные генерировать уникальные молекулярные структуры, которые могут взаимодействовать с целевыми белками в организме. Это позволит исследователям быстро и эффективно искать потенциальные кандидаты на новые лекарства.��Проект также будет использовать большие базы данных�о молекулярных структурах и свойствах, чтобы обучить алгоритмы ИИ предсказывать различные свойства молекулярных соединений (эффективность, безопасность и другие). Это позволит сократить время и ресурсы, необходимые для разработки новых лекарств�и повысить скорость их выхода на рынок.
Нина Губина
Куратор:
Телеграм: https://t.me/gubinanv
Почта: gubina@scamt-itmo.ru
13
Проекты в области применения искусственного интеллекта�в материаловедении
Проекты по применению ИИ в материаловедении чаще связаны с наноматериалами, катализаторами�и оцифровкой неорганических соединений. Их особенностью является то, что часто в таких проектах приходится работать с принципиально новыми способами представления материалов для применения методов ИИ, так как это очень быстро-развивающаяся и достаточно «молодая» область.
Проекты часто включают в себя самые новые методы ИИ. Такие как генеративный дизайн и большие языковые модели. В нашем Центре уже сформирована экспертиза в определенных областях материаловедения, поэтому проекты связанные с ИИ в материаловедении уже выходили на самые�крутые публикации и конференции (например, в журнале Small).
14
Создание автоматического алгоритма сбора данных по наноматериалам
Проект направлен на разработку программного решения, которое позволит автоматически собирать и систематизировать различные данные о наноматериалах. Основным инструментом для этого будет использоваться парсинг, позволяющий извлекать информацию�из различных источников, таких как статьи, научные публикации�и базы данных. Это позволит создать обширную базу данных�с информацией о наноматериалах, которая может быть использована�в научных исследованиях, разработке новых материалов и технологий.��Основными преимуществами такого автоматического алгоритма являются сокращение времени и ресурсов, затрачиваемых на ручной сбор данных, а также возможность получения более полной и точной информации о наноматериалах.
Иван Дубровский
Куратор:
Телеграм: https://t.me/Awonawilona
Почта: dubrovsky@scamt-itmo.ru
15
Создание и дизайн неорганических катализаторов с новыми типами фермент-подобной активности
Проект нацелен на разработку новых методов и подходов�к созданию неорганических катализаторов, способных проявлять фермент-подобную активность. Ферменты играют ключевую роль�в биологических процессах, но их использование ограничено сложностью и дороговизной.��Ожидается, что полученные результаты позволят создать более эффективные и доступные альтернативы ферментам, что может привести к прорывным открытиям в области катализа химических реакций и биотехнологии.
Юлия Разливина
Куратор:
Телеграм: https://t.me/JuliaJR
Почта: razlivina@scamt-itmo.ru
16
Алгоритм универсальных дескрипторов для цифровизации наноматериалов
Юлия Разливина
Куратор:
Телеграм: https://t.me/JuliaJR
Почта: razlivina@scamt-itmo.ru
Проект нацелен на разработку нового алгоритма, способного генерировать дескрипторы для наноматериалов. Наноматериалы�имеют уникальные свойства и широкий спектр применений,�но их характеризация и цифровизация являются сложными задачами.��В рамках проекта будет проведен анализ различных характеристик наноматериалов с целью выявления общих закономерностей�и создания универсального алгоритма для их описания. Ожидается,�что полученные дескрипторы позволят эффективно классифицировать и идентифицировать наноматериалы, а также предсказывать�их свойства и поведение.
17
Using AI and ML to Design Nanoparticles for Precise Cancer Therapy
In this project, we'll explore how AI and ML can help design nanoparticles (NPs) for targeted cancer therapy. Certain NPs show greater toxicity towards specific cancer types like lung or liver cancer, and these NPs can be paired with FDA-approved drugs. ��Our goal is to pinpoint the most effective combinations of drug-NP conjugations for treating these specific cancers efficiently. Additionally, we aim to assess how NPs interact when combined with chemotherapy and radiation therapy.
Susan Jyakhwo
Куратор:
Телеграм: https://t.me/Jaxson123�Почта: jyakhwo@scamt-itmo.ru
18
Leveraging Language Models for Tailored Synthesis of Nanoparticles
In this research project, we'll use Language Models (LMs) to make nanoparticle (NP) synthesis easier. Our platform will gather detailed methods for making different types of NPs from lots of scientific papers and experiments.
�By telling the LM what kind of NP we want - like silver, spherical, 20nm size, and 20meV zeta potential - it will give us a custom guide to make�it. This will help us create NPs exactly how we need them, speeding�up progress in medicine, electronics, and more
Susan Jyakhwo
Куратор:
Телеграм: https://t.me/Jaxson123�Почта: jyakhwo@scamt-itmo.ru
19