ИТМО и РОСНАНО подготовят магистров роботизации химических технологий

Впервые в России открылась программа магистратуры «Роботизация химических технологий», на которой целенаправленно учат компьютерным технологиям и робототехнике для моделирования, прогнозирования и управления ходом и эффективностью химических процессов.

Магистратура создана вместе с компанией «РОСНАНО» и другими производствами, готовыми передавать свой практический опыт и трудоустраивать студентов и выпускников. 

Сейчас в мире развитием робототехники в химии занимаются отдельные научные группы. Например, группа профессора Лероя Кронина в университете Глазго в Шотландии и группа Энн Фишер в Массачусетском технологическом институте в Кембридже.

Студенты формируют набор навыков, который позволяет развиваться в разных профессиональных направлениях: как в лаборатории, так и на производстве, в проектном бюро или аналитическом центре.

Здесь на продвинутом уровне изучают искусственный интеллект и машинное обучение, хемометрику, хемоинформатику, молекулярную динамику, самоорганизацию молекул и веществ и сразу применяют их на практике в биомедицине, биохимии, фудтехе. 

Зачем разбираться в больших данных и тонкостях молекулярных взаимодействий? Например, можно использовать заряд полиэлектролитов, чтобы слой за слоем собрать активный элемент сенсора на бактерии, вирусы, ионы микроэлементов. Или заставить одну молекулу заворачиваться в другую, чтобы создать капсулу для таргетной доставки лекарств. Делать самозалечивающиеся пленки. Синтезировать искусственную нервную или костную ткань для имплантатов.

Курсы по программированию, системам очувствления роботов, 3D-моделированию позволят создавать роботов-ассистентов для лабораторий и предприятий. При этом в центре действуют два робота-ассистента, которых можно обучать для выполнения своего эксперимента. Это манипулятор «роборука» и промышленный робот «Кука».

Педагогами и наставниками магистратуры стали ученые центра инфохимии из разных стран. Мы спросили у некоторых, какими научными проектами они занимаются.

Лидер группы по трибоинформатике Михаил Носоновский (США):

Я работаю в ИТМО по программе Fellowship & Professorship. Четыре месяца в году общаемся со студентами и исследователями очно, в остальное время – по зуму. Трибоинформатика сейчас только формируется как научная область на стыке трибологии – науки о трении и взаимодействии поверхностей – и информационных технологий, потому что в последние 20-30 лет появилось очень много данных, которые трудно свести к фундаментальным законам физики или химии и нужно искать зависимости с помощью искусственного интеллекта и машинного обучения.

В качестве примера можно привести биомиметические поверхности. Одна из самых известных – лист лотоса. Он знаменит тем, что оказывается чистым, поднимаясь даже из грязной, мутной воды. Капли стоят на нем, как сферы, не растекаются и просто скатываются. Все благодаря сложной структуре поверхности – комбинации выступов размером порядка 10 микрон и наноуровневой шероховатости, связанной с кристаллами воска. 

Другой эффект мы наблюдаем у геккона, который лазает по отвесным стенам, легко цепляется и отцепляется. Вообще, ученые многое подсматривают у живой природы, которая оттачивала формы миллионы лет. Это направление называют биомиметикой. 

Можно сделать так, чтобы к поверхности не прилеплялись бактерии или вирусы. Запрос на это есть в медицине при усилении антибактериальных свойств скальпелей, катетеров, имплантатов.

Шероховатость поверхности сама по себе – очень сложный математически объект. Ее не описать одним-двумя параметрами. Здесь начинается трибоинформатика. Еще сложнее не производить технологический узел – какую-нибудь большую турбину – в реальности, а сперва сделать модель на компьютере. Цифровой двойник позволит подобрать оптимальные параметры конструкции и материалов. Но чтобы воссоздать программно трение, износ, смазывание, нужно обработать много данных. 

С американскими коллегами мы исследуем износостойкие композиционные материалы на основе алюминия. Еще полвека назад люди придумали добавлять в них графит в качестве твердой смазки. Он состоит из слоев углерода, которые могут сдвигаться относительно друг друга. Получается самосмазывающийся материал, у которого меньше трение и износ. Сейчас стоит вопрос оптимизации размера, формы и количества частиц, использования другой модификации, скажем, не графита, а графена. В такой, казалось бы, классической области можно сделать много нового используя подходы трибоиформатики.

Еще одно направление – network science. Это математическая прикладная область, в которой сложные объекты представляют как сети. Миллионы объектов – частиц или песчинок, не важно, – не взаимодействуют каждый с миллионом, а взаимодействуют с ближайшими. Получается математическая структура. Например, вы пытаетесь по трубе пустить не жидкость, а песок. Иногда он будет проходить, а иногда – застревать. Это зависит от того, какой размер частиц, насколько сеть этих песчинок плотная, насколько сильно трение между нимИнтересные, чисто математические задачи, связанные с подобием и фракталами, возникают в биологии. Аллометрия – это изучение соотношений подобия между размером организма и принципами его строения, физиологии. Показано, что различия в массе тела среди особей и видов можно использовать для прогнозирования скорости метаболизма, продолжительности жизни, плодовитости. Согласно исследованиям, продолжительность жизни живого существа пропорциональна корню четвертой степени из массы. Нетривиальные выводы обоснованы в том числе тем, сколько циклов сердцебиения нужно, чтобы снабдить кровью все клетки в зависимости от объема тела и строения сосудов. Все это примеры того, как новые, нестандартные математические подходы могут применяться для изучения систем на стыке химии, материаловедения и биологии.

Лидер группы по хемоинформатике Сергей Шитяков (Германия):

Задача тысячелетия для молекулярной биологии – фолдинг (свертывание) белков, и мы сильно продвинулись в ее решении. От фолдинга зависит, какие процессы будет запускать белок в живых клетках. В фармакологии гидрофобное ядро свернутого белка отвечает за связывание с лекарствами. В биомедицине фолдинг может раскрыть механизмы возникновения и прогрессии различных заболеваний и затем – способы их лечения.

Между тем, фолдинг во многом остается загадкой. Линейная (первичная) структура белка полностью определяет его свернутую (нативную) структуру. Но неясно, как белок переходит из одной в другую и почему скорость сворачивания относительно высока, учитывая огромное число возможных микросостояний, через которые может пройти молекула на пути к нативной форме. Кажется, что молекула изначально имеет какую-то «инструкцию», которая предохраняет от лишних телодвижений.

Недавно мы предложили алгоритм, который позволяет быстро определить стадию фолдинга биомолекул и посмотреть на их сворачивание в динамике, чего не обеспечивают существующие подходы. Наш метод также не требует проводить эксперимент. И самое главное, ключевой параметр – константа, которую мы нашли, переняв некоторые приемы у полимеров. Мы описали и сравнили свой алгоритм с DFT-вычислениями, методом Монте-Карло и популярным алгоритмом AlphaFold в статье в журнале Королевского химического общества. 

Для таких вычислений нужно очень дорогостоящее оборудование на сотни тысяч евро. Мы работаем с Сеченовским университетом в Москве и дата-центрами в Германии. У меня есть доступ к суперкомпьютерным центрам в Юлихе и Вюрцбурге. Я приват-доцент в Вюрцбургском университете. 

В Штатах только под исследование фолдинга молекул строятся несколько научно-исследовательских центров. В России только начинают использовать машинное обучение. Хотя, по большому счету, оно интересно только в приложении – к big data, drug design, к наукам о жизни.

Вообще, фолдинг и, скажем, химический синтез – это как решить проблему рака и расшифровать структуру гранита. Несопоставимо. Это область, которой точно надо заниматься. 

Студенты центра инфохимии от нескольких недель до года проводят в университетах-партнерах, среди которых Национальный университет Сингапура, Университет Страсбурга (Франция), Институт Макса Планка (Германия), Ливерпульский университет (Великобритания).

Сконцентрироваться на учебе и научной работе поможет внутренняя стипендия Robotization Chemistry Award до 30 тысяч рублей в месяц для студентов с отличными достижениями в научно-исследовательской деятельности, которую можно совмещать с другими стипендиями ИТМО, государства и фондов, получая порядка 50 тысяч рублей. 

Индустриальный партнер «РОСНАНО» предлагает трудоустройство при выполнении прикладных проектов компании еще во время учебы.

На старте карьеры можно зарабатывать от 120 тысяч рублей. Студенты находят себя в самых перспективных областях науки и техники, в том числе на рынках НТИ.

Для поступления важно разбираться в химии (общая, неорганическая, органическая, физическая), владеть навыками проведения физико-химических экспериментов, математическим аппаратом и иметь развитую цифровую культуру. Иметь желание работать с разными языками программирования, заниматься моделированием сложных химических систем.

Последний день подачи заявлений - 8 августа. 

Экзамен – 9 августа.

Последний день подачи оригиналов документов - 15 августа.

Подать документы:

https://abit.itmo.ru/program/17097/

https://abit.itmo.ru/program/16122