Мультиагентные системы под управлением ИИ меняют химию

В 2026 году химия переживает трансформацию, сравнимую с переходом от алхимии к современной науке. Искусственный интеллект больше не просто помогает учёным — он становится полноценным членом исследовательской команды. Но настоящий прорыв происходит не с отдельными алгоритмами. Теперь это уже мультиагентные системы, где множество специализированных ИИ-агентов работают под управлением «дирижёра» — ИИ-оркестратора. Этот симбиоз уже меняет то, как мы открываем новые лекарства, создаём катализаторы и управляем химическими лабораториями.

Что такое мультиагентные системы и зачем им оркестратор?

Представьте себе симфонический оркестр. Каждый музыкант — виртуоз в своём деле: скрипач знает свою партию, флейтист — свою. Но без дирижёра они не сыграют слаженно. Точно так же работает мультиагентная система в химии.

Отдельный ИИ-агент — это автономная единица, которая «может думать и делать что-то самостоятельно, но, конечно, её нужно инструктировать»-11. В мультиагентной системе таких специализированных агентов несколько: один генерирует молекулы, другой проверяет их свойства, третий планирует синтез, четвёртый — обеспечивает безопасность. А ИИ-оркестратор координирует их работу, распределяет задачи и собирает результаты в единое целое—17.

Это принципиально отличается от подхода, где одна большая языковая модель пытается делать всё сама. Как отмечают исследователи из ИТМО, такие «одиночные» системы часто работают несогласованно и допускают ошибки-37. Мультиагентный подход, напротив, позволяет совместить гибкость больших языковых моделей с точностью специализированных инструментов-.

От идеи к молекуле: как работают агенты на практике

Возьмём классический пример — поиск новых лекарств. Раньше этот процесс занимал годы: химики вручную перебирали тысячи соединений, синтезировали их в лаборатории и тестировали биологическую активность-37. Сегодня мультиагентные системы делают это за дни.

Система MADD (Multi-Agent Drug Discovery), разработанная учёными ИТМО и Sberbank, состоит из четырёх агентов, которые работают последовательно-37:

Агент-аналитик разбирает текстовый запрос исследователя на естественном языке-37.
Агент-генератор создаёт новые молекулярные структуры.
Агент-валидатор проверяет их по пяти критериям: биологическая активность, сродство к мишени, синтетическая доступность, сходство с лекарствами и отсутствие токсичности-37.
Агент-откатчик собирает всё в единый документ-37.

Точность системы впечатляет: 79,8% предложенных молекул соответствуют заданным критериям — это в пять раз выше, чем у зарубежных аналогов-37. MADD уже помогла найти перспективные соединения для лечения болезни Альцгеймера, Паркинсона, рака лёгких и других заболеваний-37.

Ещё более амбициозный проект — система OrchestRA, которая объединяет биологию, химию и фармакологию в единую платформу-17. Её оркестратор управляет тремя специализированными агентами: биолог ищет мишени в базе из 10 миллионов ассоциаций, химик проектирует молекулы, а фармаколог проверяет их фармакокинетику-17. Этот «оркестр» превращает поиск лекарств из случайного процесса в программируемую инженерную дисциплину-17.

Автономные лаборатории: когда агенты проводят эксперименты

Мультиагентные системы не ограничиваются виртуальным миром — они уже управляют реальными лабораториями.

Система AutoLabs, разработанная в Тихоокеанской северо-западной национальной лаборатории США, использует когнитивных агентов для планирования и проведения химических экспериментов-6. Исследователь просто описывает задачу на естественном языке, а система превращает его слова в инструкции для роботизированного оборудования. Благодаря многоагентной архитектуре с самокоррекцией, AutoLabs достигает F1-показателя выше 0,89 даже для сложных многостадийных синтезов-6. При этом внедрение сильной модели рассуждений само по себе снижает стехиометрические ошибки более чем на 85%-6.

Американская химическая компания Celanese пошла ещё дальше, создав платформу JO.AI для управления заводскими операциями-11. В этой системе один агент оптимизирует сменные контрольные списки, другой отслеживает аномалии («коррозия может быть проблемой в теплообменнике №3»), а третий готовит рабочие заказы-11. Химическая промышленность только начинает внедрять такие системы, но крупные игроки вроде BASF и Bayer уже активно экспериментируют с агентным ИИ-11.

Катализаторы и цифровые двойники

Ещё одна область, где мультиагентные системы творят чудеса — открытие новых катализаторов. Эти вещества ускоряют химические реакции, и от них зависит большая часть промышленной химии-13.

Система CatDT (Catalysis Digital Twin), представленная в июле 2026 года, создаёт автономный цифровой двойник рабочего катализатора-13. Восемь специализированных агентов и 27 научных инструментов предсказывают стабильные грани кристаллов, реконструируют рабочие поверхности, перебирают и ранжируют реакционные пути и вычисляют кинетику — и всё это на одном GPU за 5–30 минут-13.

Результат поражает: для семи различных типов каталитических систем каждое предсказание CatDT ложится в диапазон от 0,5 до 2 раз от экспериментальных значений в течение четырёх порядков величин-13. Более того, система самостоятельно открыла недрагоценный катализатор Ni@ZrO₂, который по эффективности сравним с платиновым промышленным эталоном-13.

Китайская система ChatMat идёт другим путём: она использует мультиагентную архитектуру для автономного предсказания и исследования материалов, интегрируя DFT-симуляции и машинно-обученные потенциалы через единый интерфейс.

Безопасность как отдельный агент

Химия — это не только открытия, но и риски. Работа с опасными веществами требует строгого соблюдения правил безопасности. Здесь тоже приходят на помощь мультиагентные системы.

El Agente Seguro — это графовая мультиагентная система для планирования и оценки безопасности в химических и материаловедческих лабораториях-1. Её архитектура разделяет координацию и исполнение: центральный «директор безопасности» управляет сетью специализированных субагентов, которые обрабатывают химические опасности, риски реакций, регуляторные ограничения и операционные соображения-1.

Система может проводить анализ опасностей на уровне протоколов, автономно модифицировать процедуры, обеспечивать соблюдение запретов на двойное использование и генерировать стандартные операционные процедуры из изображений лаборатории-1. При этом она показывает стабильно высокую производительность по сравнению с лучшими универсальными языковыми моделями, а по практической полезности превосходит их-1.

Что дальше? От ассистентов к коллегам

Агентный ИИ в химии стремительно эволюционирует. Исследователи выделяют три фазы этого развития: базовые языковые модели для пассивной обработки знаний; одноагентные системы с инструментами для автономного выполнения; и коллаборативные мультиагентные системы для распределённого открытия, например, катализаторов-.

«Успешная интеграция больших языковых моделей в лабораторные рабочие процессы продемонстрировала надёжные возможности в обработке естественного языка, автономном выполнении задач и совместном решении проблем», — пишут исследователи-11.

Мультиагентные системы под управлением ИИ-оркестратора уже сегодня меняют химию. Они ускоряют открытие лекарств, создают новые катализаторы, управляют автономными лабораториями и обеспечивают безопасность. Они не заменяют учёных — они становятся их партнёрами, позволяя сосредоточиться на самом важном: на творческом осмыслении результатов и постановке новых задач.

Как сказал один из исследователей, агентный ИИ «сдвигает основной вопрос с «какое следующее лучшее действие?» на координацию возможностей». И в этом координационном оркестре человеческий разум остаётся главным дирижёром.

Dim_Su