🧪 Google DeepMind дала AI-агенту часть работы по поиску новых лекарств В Antigravity появились Cheminformatics Skills - набор инструментов для работы с химическими данными и молекулами. В демонстрации агент получил задачу по препаратам против рака лёгких и самостоятельно прошёл большую часть вычислительного этапа: 🔵собрал из научных источников и баз тысячи соединений; 🔵очистил данные от растворителей, буферов и других лишних записей; 🔵сопоставил молекулы с экспериментальными данными; 🔵провёл анализ похожих молекулярных пар; 🔵обучил модели для прогноза активности; 🔵предложил новые молекулы; 🔵подобрал возможные пути их синтеза. DeepMind пишет, что такой цикл обычно занимает у computational chemist несколько дней. В демонстрации он занял около часа. При этом сама LLM не заменяет химические расчёты. Она управляет последовательностью работы, а специализированные задачи выполняют инструменты вроде RDKit и базы ChEMBL и PubChem. По сути, исследователь задаёт цель, а агент собирает рабочую цепочку: поиск данных → очистка → анализ → модель → новая молекула → маршрут синтеза. Для бизнеса и R&D здесь полезна сама идея - если процесс состоит из десятка специализированных инструментов, агенту необязательно уметь выполнять каждый расчёт самостоятельно. Он может понимать задачу, выбирать нужный инструмент, передавать ему данные и проверять следующий шаг. 🔝 Так можно автоматизировать не отдельную операцию, а кусок процесса целиком. Исследователь меньше времени тратит на ручной переход между базами, скриптами и расчётами и больше - на проверку гипотез и выбор направления следующего эксперимента. 💬 Присоединиться к обсуждению в чате #AI_и_наука Телеграм канал Андрей Анисимов @ideasforai