Московский венчурный фонд подписал соглашение о выдаче льготного займа разработчику ИИ-платформы для органической и медицинской химии "Синтелли". Деньги направят на развитие платформы и ускорение масштабирования. "Синтелли" — SaaS-платформа на основе искусственного интеллекта для поиска, анализа и обработки химической информации. База данных содержит более 160 млн химических соединений и свыше 150 млн научных публикаций. ООО "Синтелли" было зарегистрировано в 2018 году. Учредители: Максим Федоров (43,672%), Сергей Соснин ( 15,738%), Станислав Ашманов (7,869%), Вячеслав Шуленин (5,902%), Наталья Касперская (3,934%), Александр Игнатьев (0,787%), Алина Мухамеджанова (0,787%). ООО "УК ВОСХОД" владеет 16,393% (по договору инвесттоварищества "Восход 2") и еще 4,918% (по договору инвесттоварищества "Королев"). Доля Федорова находится в залоге у Московского венчурного фонда. В апреле 2024 года "Синтелли" привлек инвестиции от фонда "Восход". Сумма сделки тогда не раскрывалась. Полученные средства направили на расширение базы данных и R&D. @rusven

🔥 Как прошёл офлайн-бранч ODS Moscow × Нескучный Data Science 🧠 Начали с доклада Альберта про то, как в Avito обучают собственную LLM. Это не история про «взяли открытую модель и немного дообучили», а полноценный процесс: выбор базовой модели, собственный токенизатор, адаптация на данных Avito, SFT и дальнейшее обучение с помощью RL. Для SFT собрали больше 800 тысяч примеров: открытые датасеты, синтетические данные, олимпиадные задачи, внутренние бизнес-кейсы и диалоги пользователей с большими моделями. На этапе RL отдельно развивают несколько навыков модели: решение математических задач, следование сложным инструкциям и корректный вызов инструментов. Причём для каждого навыка нужен свой автоматически проверяемый reward. В математике система извлекает финальный ответ и проверяет его эквивалентность правильному. В instruction following — смотрит, выполнила ли модель все заданные ограничения. В function calling — проверяет название инструмента, аргументы и их значения. Отдельно поговорили про инфраструктуру. Для моделей на 8B параметров можно относительно быстро запускать эксперименты и проверять гипотезы. Но при переходе к большим MoE-моделям главным вызовом становятся масштабирование, распределение модели по GPU, батчинг, инференс и offloading. 👨‍🔬 После продуктовых LLM резко переключились на химию. Константин начал с важной мысли: химическая информация — это не один универсальный тип данных. Одну и ту же молекулу можно представить текстом, строкой SMILES, двумерным графом, трёхмерной структурой или структурой, которая изменяется во времени. И под каждое представление нужны свои методы и модели. Поговорили о том, почему даже на фоне сложных нейросетевых архитектур связка Morgan fingerprints + XGBoost всё ещё остаётся очень сильным базовым решением для многих задач с химическими данными. Затем перешли к геометрическим графовым нейронным сетям. Они учитывают расположение атомов и позволяют предсказывать свойства молекул в десятки раз быстрее традиционных DFT-расчётов. Отдельно разобрали нейронные потенциалы и delta-ML. Идея в том, чтобы не выполнять каждый раз дорогой квантово-химический расчёт полностью: часть свойства можно посчитать более дешёвым методом, а нейросети поручить предсказать необходимую поправку. Дошли и до LLM с агентами. Здесь пока всё не так магически, как иногда выглядит в заголовках: модели могут по-разному отвечать на один и тот же вопрос в зависимости от того, передали им обычное название соединения, IUPAC или SMILES. А некоторые агенты, которые должны самостоятельно запускать вычислительные эксперименты, пока скорее напоминают roadmap, чем полностью автономного исследователя. Зато роботизация лабораторий уже вполне реальна: специализированные платформы, роборуки, автоматическое проведение серий экспериментов и превращение обычного оборудования в high-throughput-системы. 🎬 После двух технических докладов разговор с Денисом про ИИ в кино оказался очень кстати 😅 Обсудили, где новые инструменты уже помогают при работе с контентом, какие процессы способны ускорить, где вызывают сопротивление и в каких задачах пока остаются скорее экспериментом. Но, как обычно, самое ценное происходило не только во время выступлений. После докладов продолжили обсуждать услышанное за завтраком, задавать вопросы, спорить, знакомиться и делиться своими кейсами. Спасибо Альберту, Константину и Денису за содержательные выступления, ODS Moscow — за очередную совместную встречу, МИРА бистро — за пространство, а всем, кто пришёл, — за вопросы и атмосферу. Формат «бранч + несколько докладов» точно будем повторять. Поэтому уже начинаем собирать темы для следующего бранч-митапа. Если вам есть о чём рассказать — про рабочий кейс, исследование, неожиданный эксперимент, применение ИИ в своей индустрии или даже неудачу, из которой можно сделать полезные выводы, — присылайте тему доклада и пару предложений о себе в комментарии или личные сообщения. P.S. Будем учиться фотографироваться до того, как все разошлись 😅

[ХАБРААРХИВ] Одиннадцать металлов, каждый со своим рекордом и своей дичью Оказывается, мечта алхимиков всё-таки сбылась. В 1947 году физики превратили ртуть в золото, вот только из 100 миллиграммов вышло 35 микрограммов, и эти крохи теперь лежат в чикагском музее. Дальше по списку не легче. Уран горел сам собой в природном реакторе в Габоне два миллиарда лет назад, задолго до всяких людей. Калифорний стоит до 27 миллионов долларов за грамм, и автор видел его своими глазами в виде крохотной ампулки. А франция на всю земную кору набирается смешных 340 граммов. Отдельно стоит радий, металл обмана. Он красиво светился, стоил дороже золота, и его совали в зубную пасту, шоколад и «целебную» воду, пока светские богачи от этой воды не начали умирать. История одного любителя радиевой водички закончилась дырами в черепе. Посмотрим, чем ещё отличились самые тяжёлые, лёгкие и стойкие металлы из этой десятки. #хабраархив

Аккумулятор в виде геля Когда речь заходит о хранении энергии, в голове появляются образы батарейки, конденсатора или бака с водородом. Учёные из Северо-Западного университета показали кое-что куда более странное: жёлтую жидкость, которая «заряжается», сама собираясь в чёрный гель, держит заряд месяцами, а потом отдаёт его по команде. Сразу оговоримся — это не аккумулятор в привычном смысле, и телефон в баночку с чёрной жижей вы не воткнёте. Материал вдохновлён живой клеткой: энергию он запасает в виде лишних электронов внутри самособирающейся молекулярной структуры. Как это выглядит. В разряженном виде это жёлтая жидкость из крохотных молекулярных комочков. Стоит подать видимый свет, электричество, химическое «топливо» или даже рентген — молекулы начинают принимать электроны, слипаться и выстраиваться в длинные волокна. Жидкость на глазах превращается в чёрный электропроводящий гель. Самое красивое здесь в том, что заряженное состояние и есть собранное: молекулы буквально перестраиваются вокруг пойманных электронов, и такая новая структура удерживает заряд. Без доступа кислорода, целыми месяцами. А дальше нужен кислород. Он забирает у геля электроны, порождая активные формы кислорода, агрессивные молекулы, что охотно окисляют органику. То есть запасённая энергия выходит не привычным током по проводу, а химической активностью. Такой «тёмный фотокатализ» может пригодиться, чтобы разлагать загрязнители, стерилизовать поверхности или продолжать химические реакции уже без света. Авторы называют это первым материалом, который запасает энергию, физически перестраивая сам себя. На воздухе гель постепенно возвращается в жёлтую жидкость — и цикл можно повторять заново. @vselennayaplus