Sztuczna inteligencja przewiduje, jak cząsteczki reagują na światło

28 05 2026

Naukowcy z Wydziału Chemii Uniwersytetu Warszawskiego, we współpracy z badaczami z Xiamen University w Chinach, opracowali OMNI-P2x, pierwszą uniwersalną sieć neuronową, która potrafi przewidzieć, jak różne cząsteczki organiczne zachowują się po absorpcji światła. Artykuł opisujący wyniki ukazał się w czasopiśmie Nature Communications.

Fotoindukowane procesy stoją u podstaw wielu współczesnych technologii: od ogniw słonecznych, przez ekrany OLED, po fotokatalizę i magazynowanie energii słonecznej. Ich modelowanie na poziomie kwantowo-mechanicznym jest jednak bardzo kosztowne obliczeniowo. Dokładny opis jednej cząsteczki potrafi zająć komputerom godziny lub dni pracy, co ogranicza skalę badań.

Przeprowadzonymi badaniami kierowali prof. Pavlo O. Dral z Xiamen University oraz dr Joanna Jankowska z Wydziału Chemii UW; pierwszym autorem jest mgr Mikołaj Martyka, doktorant na Wydziale Chemii UW. Zespół wytrenował sieć neuronową na danych dla około 3,1 mln cząsteczek organicznych. Powstały model, OMNI-P2x, potrafi przewidzieć widmo absorpcji UV/Vis nieznanej wcześniej cząsteczki w ułamku sekundy, przy dokładności porównywalnej z dotychczas stosowanymi metodami kwantowo-mechanicznymi (TD-DFT), które na to samo zadanie potrzebują czasu dłuższego o kilka rzędów wielkości. Co istotne, OMNI-P2x okazał się jednocześnie szybszy i dokładniejszy od popularnych, przybliżonych metod pół-empirycznych.

Projektowanie fotoprzełączników z pomocą AI

Aby pokazać, do czego model się przydaje w praktyce, autorzy przeskanowali nim pół miliona pochodnych azobenzenu, cząsteczek, które potrafią zmieniać swoją strukturę pod wpływem światła i są obiecującymi kandydatami zarówno do magazynowania energii słonecznej, jak i w zastosowaniach medycznych, takich jak fotofarmakologia. Z tego ogromnego zbioru wyłoniono 21 struktur wykazujących najkorzystniejsze właściwości absorpcyjne, w tym trzy o przewidzianej długości fali absorpcji 640, 667 i 687 nm, przewyższające pod tym względem analogi opisane dotychczas w literaturze.

Drugie zastosowanie modelu to przyspieszanie symulacji ultraszybkiej dynamiki cząsteczek w stanach wzbudzonych, czyli tego, co dzieje się z cząsteczką w pierwszych femtosekundach po pochłonięciu fotonu. Dzięki wykorzystaniu OMNI-P2x jako punktu startowego do dalszego uczenia, takie symulacje stają się nawet dziesięciokrotnie bardziej wydajne pod względem ilości danych potrzebnych do ich przeprowadzenia.

Co dalej?

Obecna wersja modelu pozwala na modelowanie cząsteczek zbudowanych z najczęściej spotykanych pierwiastków organicznych: H, C, N, O, F, S oraz Cl. Naturalnym kierunkiem dalszych prac jest rozszerzenie modelu na większą grupę pierwiastków, jony oraz integracja z dokładniejszymi metodami kwantowymi. Kod modelu jest udostępniony na licencji otwartej w pakiecie MLatom.

Praca powstała we współpracy Wydziału Chemii UW i Xiamen University. Badania na UW były finansowane przez Ministerstwo Edukacji i Nauki w ramach programu „Perły Nauki” oraz wsparte zasobami obliczeniowymi PLGrid.

Publikacja:

Martyka, M., Tong, X.-Y., Jankowska, J., Dral, P. O. OMNI-P2x universal neural network potential for excited-state simulations. Nature Communications (2026). DOI: 10.1038/s41467-026-71380-5

Wpis na stronie głównej UW: https://www.uw.edu.pl/uniwersalna-siec-neuronowa/