Наша ключевая идея в том, чтобы с помощью искусственного интеллекта ускорить процесс разработки новых материалов. Алгоритм предсказывает свойства молекул и материалов, которые потом в автоматическом режиме синтезируются и анализируются в лаборатории. Данные, полученные в ходе экспериментов, используются для обучения алгоритма наравне с данными моделирования и другой информацией. Искусственный интеллект работает совместно со специалистами, экспертами по материалам. У нас в команде есть и классические химики, которые долго занимались синтезом молекул в ручном режиме, есть и разработчики алгоритмов и программного обеспечения, а также физики, занимающиеся построением моделей.

Инновации для консерваторов

Одна из проблем современной химической промышленности — в ее консервативности. Представьте себе завод, на котором из кукурузы делают этиловый спирт. У них есть рецепт, по которому они работают уже 50 лет. Нельзя прийти и начать производить там диметиловый эфир, который является изомером этанола, потому что на старом рецепте построен весь производственный процесс. По этой же причине внедрять в такое производство инновации очень проблематично. Если вы хотите внедрить что-то новое, это должно приносить огромную прибыль или идеально вписываться в существующий производственный процесс, потому что перестраивать технологию дорого.

Дальше всех на пути внедрения цифровых технологий в химической промышленности ушли фармацевтические компании, которые начали процесс 20—30 лет назад. Однако дело в том, что бизнес для фармацевтических компаний и других химических производств работает совсем по-разному. В фармацевтике всегда существует рынок. Предположим, есть болезнь, которую надо вылечить, и, если вы разработали какое-то лекарство, всегда найдется определенное количество потребителей, среди которых этот продукт будет востребован.

В производстве новых материалов в эту схему добавляется несколько посредников, на которых необходимо ориентироваться. Они же, в свою очередь, ориентируются на своего потребителя. В этих условиях мы стараемся просчитывать не ближайший шаг, а весь путь продукта, смотрим, кто может быть нашим конечным потребителем, и выстраиваем от него обратный путь, чтобы определить, что именно мы можем ему предложить.

Для этого мы ищем развивающиеся быстрее других области, в которых нет устоявшегося рынка. Одна из таких сфер — это материалы для органической оптоэлектроники. Например, это могут быть молекулы красителей или молекулы, которые организовывают проводящие структуры. Рынок для этого уже достаточно большой, и он продолжает развиваться, в этой области мы можем продвигаться достаточно далеко, вплоть до конечного продукта. При этом мы также продолжаем помогать другим предприятиям решать их конкретные задачи. Например, им нужно узнать, какие химические реакции могут использоваться для производства той или иной органической молекулы. Поскольку у нас похожие задачи, наш алгоритм можно использовать как инструмент для решения такой проблемы.

Регламенты для развития

Сегодня перспективным направлением для нас и многих других стало экологичное производство. В этом случае изменять технологии производителей вынуждают с помощью различных регламентов, которые исходят от государственных структур. Например, у нас в Бостоне и в округе в магазинах перестали давать пластиковые пакеты, вместо них дают бумажные. Это мотивировано стремлением муниципальных структур ограничить количество попадающего в мусор полиэтилена, который почти не разлагается в природных условиях. В этой нише мы можем привнести достаточно много, помогая предприятиям адаптироваться к новым условиям.

Еще один пример в сфере экологии — это производители средств для стирки. Раньше в качестве отбеливателя использовали синьку. Теперь в стиральные порошки с той же целью добавляют молекулы оптических отбеливателей, которые поглощают свет в ультрафиолетовой области и флуоресцируют в синей области. Эти молекулы смываются в воду и попадают в реки, но они особенно не разлагаются (или разлагаются, но очень медленно) и могут быть токсичными. На данный момент предсказание токсичности и биологической разлагаемости разрабатываемых материалов является приоритетным направлением для нашей платформы.

В области новых материалов от фундаментального открытия до внедрения его в производство может пройти несколько десятилетий. Пока нам удалось существенно ускорить процесс разработки новых материалов, но, если мы сами будем выводить их на рынок, это все равно будет занимать по 3-4 года. С этим направлением мы связываем долгосрочные перспективы своего развития. Впрочем, и от помощи другим компаниям с улучшением их продукта отказываться не планируем.

Компания Kebotix основана в 2017 году пятью выходцами из Гарвардского университета. В 2018-м стартап в рамках первого раунда привлек 5 млн долларов инвестиций. Один из основателей — Семен Сайкин — родом из Казани. Там он окончил физфак Казанского государственного университета и получил научную степень. В начале нулевых Сайкин переехал в США, где с тех пор успел поработать в нескольких университетах.

По словам ученого, в Гарварде он с партнерами разрабатывал совместные программы с компаниями в сфере химической промышленности, занимался хемоинформатикой, то есть предсказывал свойства молекул или полимеров и передавал результаты компаниям, которые занимаются синтезом молекул и производством материалов. Однако ученые столкнулись с эффектом бутылочного горлышка. В больших компаниях воплощение научных результатов в реальность, их масштабирование и запуск в производство существуют независимо от самих исследований. Далеко не все разработки доходили до реализации. Поэтому Сайкин с коллегами запустил свою компанию.