Зачастую в сообществе кроме познавательных статей, красивых фотографий и профессионального юмора люди выкладывают посты с просьбой о помощи/советом от химика по различным вопросам бытового плана. Конечно, химики имеют представления об основных понятиях, но у всех есть то или иное направление, которым конкретно они занимаются и в котором они более компетентны, тогда как в других областях знают лишь общие факты.
В связи с этим я подумал, было бы неплохо, если в комментариях к этому посту отпишутся люди, которые при случае смогут проконсультировать другого пользователя по теме, в которой сами хорошо разбираются.
Таким образом, начну с себя :)
@Mircenall - направление: аналитическая химия (в прошлом химическая технология редких и рассеянных элементов).
Области: химия вольфрама, молибдена, титана и меди, химический анализ питьевой воды, определение полифенолов и комплексонов, спектрофотометрия, химия минералов.
Со временем любая система обретает мудрость. Chem-R проходит три этапа развития: от усвоения основ химии, через оттачивание логики, до совершенства в решении задач, закаляясь в процессе обучения с подкреплением.
В эпоху, когда вычислительная мощь обещает революцию в научных открытиях, особенно в химии, возникает парадоксальная проблема: современные языковые модели, несмотря на свою способность обрабатывать огромные массивы данных, часто демонстрируют поверхностное понимание фундаментальных химических принципов, совершая ошибки в простых молекулярных представлениях и реакциях. В исследовании ‘Chem-R: Learning to Reason as a Chemist’, авторы бросают вызов этой тенденции, указывая на то, что простого распознавания закономерностей недостаточно для надежных химических прогнозов и необходимо внедрить систематическое, пошаговое мышление. Но достаточно ли обучения модели имитировать логику эксперта, или же истинное «химическое мышление» требует чего-то большего – способности к интуиции, креативности и адаптации к новым, непредсказуемым ситуациям, которые пока остаются за пределами возможностей даже самых передовых алгоритмов?
Иллюзии и Реальность: Возможности и Риски БЯМ в Химии
Большие языковые модели (БЯМ) появляются как мощные инструменты, обладающие потенциалом революционизировать научные открытия, особенно в химии. Они обещают ускорить процессы анализа данных, моделирования и даже генерации новых молекул и реакций. Однако, подобно любому новому инструменту, БЯМ несут в себе не только возможности, но и определенные риски, требующие внимательного осмысления.
Исследователи все чаще отмечают, что современные БЯМ часто лишены базовых знаний в области химии. Это приводит к неточностям в представлении молекул, предсказании реакций и, как следствие, к ошибочным выводам. БЯМ, подобно искусному подражателю, способны воспроизводить паттерны, но им не хватает глубокого понимания лежащих в их основе принципов. Это особенно критично в химии, где даже небольшая ошибка в структуре молекулы может привести к кардинальным изменениям в ее свойствах.
Вызовы и предложенное решение Chem-R.
Критическим ограничением является их зависимость от распознавания паттернов, а не от систематического рассуждения. БЯМ способны выявлять корреляции в данных, но им трудно делать надежные и точные выводы, особенно в сложных и непредсказуемых химических системах. Они могут успешно решать задачи, для которых у них есть достаточно данных, но испытывают трудности при столкновении с новыми или нетипичными ситуациями. Эта проблема особенно актуальна в контексте научных открытий, где требуется не просто воспроизводить известные закономерности, но и выдвигать новые гипотезы, проводить эксперименты и интерпретировать результаты. БЯМ могут быть полезным инструментом для автоматизации рутинных задач, но они не могут заменить творческое мышление и интуицию исследователя. Использование БЯМ в химии требует критического подхода и тщательной проверки результатов, чтобы избежать ошибок и неверных выводов. Каждая архитектура проживает свою жизнь, а мы лишь свидетели ее эволюции. Улучшения стареют быстрее, чем мы успеваем их понять.
Chem-R: Симфония Химического Рассуждения
В мире систем, где любой период функционирования – лишь временное состояние, исследователи представляют Chem-R – новую, унифицированную структуру, призванную обеспечить надежное и систематическое рассуждение в задачах, связанных с молекулами и химическими реакциями. Chem-R – это не статичная модель, а скорее поток, направленный на адаптацию к изменчивости химических данных и сложностям рассуждений. Стабильность, в данном контексте, – иллюзия, закешированная временем, а задержка – неизбежный налог, который платит каждый запрос к сложным системам.
Первый этап работы Chem-R направлен на формирование прочного фундамента химических знаний посредством тонкой настройки на крупномасштабных корпусах данных, не требующих рассуждений. Это подобно закладке фундамента здания – без него любая надстройка обречена на нестабильность. Исследователи стремятся не просто научить модель распознавать химические формулы, но и понимать их внутреннюю логику и взаимосвязи.
Второй этап предполагает передачу структурированных рабочих процессов рассуждений от «учительской» модели с использованием Химических Протоколов Рассуждений (ХПР). ХПР служат своеобразным «скелетом» рассуждений, обеспечивающим когерентность и экспертный уровень понимания. Это подобно созданию архитектурного плана – он определяет структуру и логику здания, обеспечивая его функциональность и надежность.
Комплексная оценка Chem-R.
Наконец, третий этап направлен на повышение и балансировку производительности в различных задачах посредством Оптимизации Групповой Относительной Политики (ОГРП). Этот этап позволяет модели адаптироваться к различным типам задач и обеспечивать стабильно высокие результаты. Это подобно настройке системы отопления и вентиляции – необходимо обеспечить комфортную температуру и влажность во всех помещениях здания.
Таким образом, Chem-R представляет собой не просто набор алгоритмов, а интегрированную систему, способную к надежному и систематическому рассуждению в области химии. Исследователи надеются, что эта система станет мощным инструментом для ускорения научных открытий и решения сложных химических задач. В конечном итоге, задача состоит не в том, чтобы создать идеальную модель, а в том, чтобы создать систему, способную адаптироваться к изменяющимся условиям и обеспечивать стабильные результаты.
Валидация и Эволюция: Оценка Эффективности Chem-R
Оценка эффективности Chem-R проводилась с учетом не только количественных показателей точности, но и качественных аспектов, отражающих глубину и логичность рассуждений модели. Авторы стремились создать систему, которая понимает сущность химических процессов, а не просто предсказывает результаты. В этом контексте, повышение точности представляется не самоцелью, а следствием более глубокого понимания химических принципов.
Результаты экспериментов свидетельствуют о значительном улучшении показателей точности Chem-R в широком спектре химических задач, включая предсказание свойств молекул и оценку выхода реакций. Однако, наиболее ценным достижением представляется повышение интерпретируемости модели. Теперь исследователи могут не только получать результаты, но и понимать ход рассуждений, лежащих в их основе. Это открывает новые возможности для проверки гипотез, выявления ошибок и углубления понимания химических процессов.
Рубрика оценки качества рассуждений. Эксперты оценивают сгенерированные рассуждения по шкале от 0 до 5 (0=худший, 5=лучший) по шести метрикам: Химическая корректность, Логическая связность, Полнота, Обоснованность, Ясность и Экспертная проницательность.
Оценка, проведенная экспертами в области химии, подтверждает, что Chem-R генерирует не только химически корректные, но и логически связные, а главное – соответствующие экспертному мышлению цепочки рассуждений. Это особенно важно в контексте научных открытий, где не менее важна возможность обосновать полученные результаты, чем их точность. Ведь любое научное утверждение ценно лишь в той мере, в какой оно может быть проверено и подтверждено другими исследователями.
Важным аспектом оценки эффективности Chem-R является ее способность к обобщению. Авторы продемонстрировали, что модель демонстрирует улучшенные показатели при работе с данными, отличными от тех, на которых она обучалась. Это свидетельствует о ее адаптивности и устойчивости к новым, ранее не встречавшимся химическим сценариям. А это, в свою очередь, открывает возможности для ее применения в самых разных областях, от разработки новых лекарств до создания более эффективных материалов.
В заключение следует отметить, что Chem-R представляет собой не просто инструмент для решения конкретных химических задач, а скорее платформу для углубления понимания химических процессов. Ее способность генерировать логичные и обоснованные цепочки рассуждений делает ее незаменимым помощником для исследователей, стремящихся к новым открытиям и прорывам в области химии. Ведь время не стоит на месте, и только те системы, которые способны адаптироваться к изменяющимся условиям, выживают и развиваются.
На горизонте: Расширение границ химического искусственного интеллекта
Успех Chem-R подчеркивает критическую важность интеграции предметно-ориентированных знаний и структурированного рассуждения в большие языковые модели для научных приложений. Это не просто повышение точности; это создание системы, которая понимает сущность химических процессов, а не просто оперирует символами. Каждая ошибка, каждое несоответствие – это сигнал времени, индикатор пробелов в понимании, требующих немедленного устранения.
В дальнейшем, усилия исследователей будут направлены на расширение возможностей Chem-R для решения более сложных химических задач, таких как предсказание путей химических реакций и открытие новых лекарственных препаратов. Это требует не только увеличения вычислительных ресурсов, но и углубленного понимания принципов самоорганизации в химических системах. Необходимо создать модель, способную предвидеть не только возможные исходы, но и вероятность их реализации, учитывая влияние различных факторов.
Дальнейшее повышение интерпретируемости и объяснимости системы – ключевой приоритет. Недостаточно просто получить правильный ответ; необходимо понимать, как он был получен. Это позволит установить доверительные отношения между искусственным интеллектом и химиками, превратив ИИ из простого инструмента в полноценного партнера в научном поиске. Рефакторинг – это диалог с прошлым, переосмысление и оптимизация существующих решений для повышения их надежности и эффективности.
В конечном счете, эта методология открывает путь к автоматизации химических исследований, ускоряя темпы научных инноваций. Это не означает замену человеческого интеллекта; это его усиление, предоставление исследователям новых инструментов и возможностей для решения самых сложных задач. Создание самообучающейся системы, способной адаптироваться к новым данным и генерировать новые знания, – это мечта, которая становится все ближе к реальности. И это не просто технологический прогресс; это шаг к более глубокому пониманию мира, в котором мы живем.
В Chem-R мы видим попытку придать языковым моделям не просто способность предсказывать, но и рассуждать как химик. Это напоминает мне слова Брайана Кернигана: “Простота – это высшая степень совершенства.” Модель, способная к структурированному рассуждению, как это предлагается в Chem-R, избегает излишней сложности, сосредотачиваясь на логике и последовательности действий. В конечном счете, долговечность любой системы, будь то программный код или научная теория, зависит от ее внутренней простоты и ясности. Chem-R, с ее трехфазным подходом к обучению, стремится к этой простоте, чтобы обеспечить надежность и интерпретируемость в сложных задачах химического предсказания и ретросинтеза.
Что впереди?
Модель Chem-R, безусловно, демонстрирует впечатляющую способность к рассуждениям, но не будем обманываться кажущейся точностью. Каждая система стареет, и даже самые совершенные алгоритмы подвержены энтропии. Достижение "state-of-the-art" – это лишь временная отсрочка неизбежного. Вопрос не в том, насколько хорошо модель предсказывает реакции сейчас, а в том, как долго она сохранит эту способность, столкнувшись с реальностью химического мира, где всегда найдется исключение из правила.
Настоящая проблема, как мне кажется, лежит не в улучшении точности предсказаний, а в понимании границ применимости этих предсказаний. Модель может научиться воспроизводить известные закономерности, но способна ли она к истинной инновации, к предвидению реакций, которые еще не описаны в литературе? Или она лишь умело маскирует незнание под уверенностью?
Возможно, следующим шагом станет не столько обучение модели новым реакциям, сколько обучение ее сомнению. Обучение признанию собственной некомпетентности. Иногда стабильность – это лишь задержка катастрофы, и модель, способная предвидеть собственное старение, будет ценнее, чем модель, вечно уверенная в своей непогрешимости. Время – не метрика, а среда, и в этой среде даже самые лучшие системы неизбежно меняются.
Медь в щелочном растворе в присутствии кока колы не очень то хотела выпадать в осадок. Поэтому оставил на отстой в стеклянной банке. Когда выпал осадок металлической меди на дно банки я его декантировал. Но цвет раствора после отделения меди стал черным из присутствия там остатков оксида меди. Решил добавить туда крепкой щелочи, грамм 100, при этом медь должна была восстановиться до металла и осесть на дно. Но, произошло, что то непонятное весь раствор в банке превратился в какой то студень, соплеобразный, грязно белого оттенка. Перелил содержимое банки в кастрюльку, что бы прокипятить раствор. При кипячении этот студень выпал в осадок в виде хлопьев вещества коричневатого оттенка из за присутствия меди скорее всего. Получается что в Кока коле присутствует какой-то реагент, сорбент или хрен знает что . В описании на этикетке Кока колы я не нашел, что может выпасть в такой осадок. Не думаю, что этот осадок представляет какую то угрозу для общества, но как то так.
Жалею, что не включила камеру когда владелец приехал забирать краску на следующий день. Он взял в руки мою тест пластину с люком, и приложил к друг другу. - Даже так??!! Охренеть, нихрена себе 😲
Прям очень жалею, что не сняла)))
Всем хорошего дня и настроения. В Москве который день, погодка шепчет. Отличная осень. 🍁 Отличное настроение, отличные люди.
Ничего не рекламирую, не продаю и мужей не ищу. Сиськи правда вчера были)))
палладия из породы, находящиеся в труднодоступном виде. Подходит для титано магнетитовых черных шлихов. Предварительно исходя из фракции породу измельчают так как атомарное золото находящееся внутри кластеров не перейдет в раствор. Помол породы не должен быть слишком мелким так как это затруднит последующие фильтрации и промывки. Породу заливают раствором серной кислоты, подогревают по мере нагрева добавляют небольшими навесками нитрит натрия. При этом большая часть растворимых металлов таких как железо, медь, цинк, и других "мусорных" не представляющих интереса и загрязняющих раствор переходят в раствор или в илистое состояние. Золото при этом восстанавливается и выпадает в осадок. После фильтрации и промывки раствора, раствор нагревают и добавляют йод + йодит калия из расчета 10- 120 грамм на литр, зависит от концентрации и трудности породы. Это позволит перевести в раствор до 90% или более золота. Растворение золота производят при температуре раствора 100°С. Так же в раствор переходят серебро и палладий, металлы платиновой группы остаются в осадке. В отдельных случаях растворение металлов с помощью йода+ йодита калия ведут в автоклавах при температуре 450°С. Серебро из раствора восстанавливается соляной кислотой,после фильтрации, отделения хлорида серебра, золото восстанавливают раствором сульфата железа и после фильтрации и отделения восстановленного золота, последним восстанавливается палладий на гидразин штатным методом. Если в осадке присутствуют металлы платиновой группы то дальнейшее растворение металлов ведут классическим методом через царскую водку. P.S. С помощью йода + йодита калия можно производить растворение золота с золото содержащих радиоэлектронных плат и деталей. Не надо предварительно радиодетали и платы обрабатывать с помощью хлорида железа или другим растворителем. Золото слишком быстро растворяется, так что олово не успевает прореагировать
Как оказалось, при добавлении кока колы в аммиачный раствор содержащий растворенное серебро и медь, сначала выпадает(восстанавливается) серебро в течении примерно одного часа, а после отделения (фильтрации) серебра, начинает восстанавливаться медь до металлического мелкодисперсного порошка. При этом раствор не подвергался кипячению, нагреву. Восстановление произошло на холодную.
Контрольная проверка на наличие серебра в аммиачной растворе с помощью соляной кислоты показала его полное отсутствие как и его следов. Единственный недостаток серебро и медь выпадают в виде пыли очень мелкого "помола".
С помощью тростникового сахара ирридий осаждают из растворов а вот что бы так.
Залил остаток аммиачного раствора кока колой и действительно серебро осело мелким порошком на дне и стенках банки, а медь осталась в растворе. Соотношение аммиачного раствора к кока коле примерно 1 к 3.
Группа исследователей из Университета Флиндерса разработала новый способ извлечения золота как из электронных отходов, так и из горной породы без использования токсичных химикатов, таких как цианид или ртуть. Этот метод может сделать извлечение золота более безопасным для людей и окружающей среды.
Процесс начинается с применения трихлоризоциануровой кислоты, химиката, уже используемого для очистки воды и бассейнов. При активации галогенидным катализатором в солёной воде она растворяет золото из руды или электронных отходов. Затем золото улавливается полисульфидным полимерным сорбентом, изготовленным из элементарной серы, дешёвого и распространённого побочного продукта нефтяной промышленности. Этот полимер способен улавливать золото даже в присутствии других металлов.
После связывания золота с полимером его можно извлечь с высокой чистотой либо путём нагревания полимера (пиролиза), либо путём его расщепления до исходного мономерного структурного элемента (деполимеризации). Полимер затем можно перерабатывать и использовать повторно
Команда также разработала способы переработки выщелачивающего химиката и воды, используемых в процессе. Испытания показали эффективность метода на руде, старых компьютерных платах и других золотосодержащих отходах. «Наша цель — поддержать золотодобытчиков экономически, предлагая более безопасные альтернативы ртути», — заявили исследователи.
В 2022 году в мире было произведено около 62 млн тонн электронных отходов, чего хватило бы для заполнения более 1,5 млн мусоровозов. Это на 82% больше, чем в 2010 году, и ожидается, что к 2030 году объём достигнет 82 млн тонн. Старые ноутбуки, телефоны и другие устройства в этих отходах часто содержат ценные металлы, такие как золото, но менее четверти из них собирается и перерабатывается надлежащим образом.
При этом золото важно во многих областях: от ювелирных изделий до электроники, химического производства и аэрокосмической отрасли. Но большая его часть по-прежнему добывается стандартными методами с применением солей цианида или металлической ртути. Крупномасштабная добыча часто использует цианид для растворения золота в руде, что может нанести вред дикой природе и загрязнить окружающую среду. Мелкие и кустарные золотодобытчики тоже применяют ртуть, которая образует амальгаму с золотом перед нагреванием для высвобождения металла. Это крупнейший источник загрязнения ртутью на Земле, опасный как для самих шахтёров, так и для окружающих экосистем.
Хотя результаты многообещающие, исследователи отмечают, что ещё многое предстоит сделать: масштабировать производство полимера, оптимизировать этапы переработки и обеспечить конкурентоспособность процесса по стоимости по сравнению с традиционными методами. Они также видят потенциал для «городской добычи» — извлечения золота из электронных отходов.
