Система распознавания рукописных химических схем

Основная информация

01/

Клиент

Задача

«Химрар» — российская фармацевтическая компания.

Разработать программу для распознавания рукописных химических схем.

В штате компании «Химрар» много химиков:

регулярно разрабатывают новые молекулы

перерисовывают молекулы из научных статей

Запрос от ученых:

Хотелось бы быстро переводить рукописные наброски в цифровую версию.

Чат-бот, возвращающий цифровое представление молекул.

Итог разработки

Результатом модели клиент остался доволен.

Принцип работы

02/

Химик рисует молекулу

Фотографирует рисунок

Отправляет в телеграм бот

Получает цифровое представление молекулы

Формат

03/

SMILES-представление — общепринятая спецификация состава и структуры химического вещества.

Из SMILES-представления легко однозначно восстановить молекулу
в редакторе.

Наша программа — работает на произвольных молекулах (существующих и только что придуманных). Нет привязки к базе.

Цифры проекта

04/

Год разработки

Длительность разработки

Набор данных для обучения модели

месяца

молекул

При заявленном качестве 70% мы получили 80%, имея небольшой объем исходных данных.

Критерий качества

05/

Полностью корректно распознанная молекула.

По результатам разработки:

Правильно собранные молекулы

Практически правильно

Неправильно

Этапы разработки

06/

сегментация

сборка молекулы

извлечение атомов

извлечение связей

проверка наличия связи между атомами

построение

Сложности, с которыми столкнулись

07\

Иногда между атомами очень короткое ребро, поэтому на маске сегментации два соседних атома могут слиться в один

Бензольные кольца содержат чередующиеся одинарные и двойные связи. Если наша модель некорректно определяла хотя бы один тип связи, то чтобы восстановить бензольное кольцо, приходилось добавлять дополнительную постобработку

Некоторые элементы встречались слишком редко в обучающей выборке, поэтому на тесте они плохо обнаруживались

Разные разметчики — разные наборы классов

Если неправильно распознаны атом/связь, молекула не строится

Мы выступали с этим проектом
на конференции Big Data Conference.

Команда проекта

07/

Data scientist

Data scientist

Data scientist

Эмиль Магеррамов

Артем Кондюков

Влад Виноградов

Где можно применить наработки

09/

Чертежи

Электросхемы

Карты местности