Опубликовано: 19.09.2026 | Источник: MIT Technology Review

AI-платформа для discovery материалов в ВКР: от датасета до защищаемых метрик

Поддомен: AI/ML. Роль: Data/ML-инженер.

SES AI — производитель аккумуляторов из Массачусетса — свернул часть проектов для EV и переориентировался на AI materials discovery. Их платформа Molecular Universe уже нашла шесть новых электролитов, один из которых заменяет FEC без газовыделения при нагреве. CEO Qichao Hu прямо говорит: масштабировать производство ячеек на Западе нерентабельно, а находить материалы моделированием — дешевле и быстрее. Для выпускника ИТ здесь два сигнала. Первый: на защите выигрывают работы, где ML решает прикладную задачу, а не крутит MNIST. Второй: заказчики и комиссии всё чаще спрашивают про метрики экономии, а не только про accuracy. Разберём, как из этой новости сделать защищаемую ВКР.

FAQ: что чаще всего спрашивают про ML-discovery в дипломе

Темы ВКР по мотивам кейса SES AI

• Тема 1. Прогнозирование стабильности электролитов для литий-ионных ячеек методами графовых нейросетей.
  Актуальность: SES AI ищет добавки, снижающие газообразование на кремниевых анодах — та же задача в открытых данных.
  Цель: модель, предсказывающая HOMO/LUMO и энергию связи добавки с поверхностью анода.
  Задачи: собрать датасет из Materials Project + литература; построить признаки молекул через RDKit; обучить GNN; сравнить с бейзлайном на случайном лесе; оценить MAE и top-K hit rate.
  Структура: Гл.1 — обзор ML для материалов, Гл.2 — пайплайн и архитектура модели, Гл.3 — эксперименты и метрики.
• Тема 2. Платформа активного обучения для скрининга материалов с минимизацией DFT-расчётов.
  Актуальность: в статье звучит мысль, что доменная экспертиза и данные важнее самой модели — это ровно про цикл active learning.
  Цель: снизить число дорогих вычислительных итераций на 40–60 % при сохранении точности.
  Задачи: реализовать байесовскую оптимизацию через Optuna; настроить acquisition function; логировать эксперименты в MLflow; построить кривые «точность / число итераций»; оценить экономию CPU-часов.
  Структура: Гл.1 — теория active learning, Гл.2 — сервис на FastAPI + очередь задач, Гл.3 — бенчмарки и расчёт экономии.
• Тема 3. MLOps-контур для непрерывного обновления модели поиска материалов.
  Актуальность: SES собирается лицензировать платформу другим производителям — значит, нужны версионирование данных, мониторинг дрейфа, автоматические ретраины.
  Цель: воспроизводимый CI/CD для ML: DVC-пайплайн, реестр моделей, алерты на деградацию метрик.
  Задачи: упаковать пайплайн в DVC; настроить MLflow Model Registry; ввести Data Drift Detection (Evidently/PSI); описать SLO для инференса; оформить по ГОСТ 34.601 стадии внедрения.
  Структура: Гл.1 — MLOps-практики и ISO/IEC 25010, Гл.2 — архитектура контура (C4), Гл.3 — нагрузочные тесты и метрики надёжности.

Как встроить материал статьи в главы ВКР

Глава 1: анализ предметной области и постановка задачи

Разберите кейс SES AI как иллюстрацию перехода от hardware-бизнеса к software-plus-data. Покажите на цифрах: Hu говорит, что производить ячейки на Западе нерентабельно, а лицензирование платформы масштабируется без фабрик. Отсюда ваша постановка: ML-модель как средство снижения стоимости R&D. Обязательно упомяните скепсис Kara Rodby из Volta Energy Technologies — «новый материал сам по себе не разблокирует отрасль». Это даст вам контраргумент в выводах и покажет, что вы не просто пересказываете пресс-релиз, а анализируете.

Инструменты для этой главы: обзорные таблицы баз данных, схема таксономии методов (DFT, MD, GNN, трансформеры для молекул). Уместна диаграмма потока «гипотеза → симуляция → синтез → тест → обратная связь».

Глава 2: проектирование и реализация

Здесь главное — не утонуть в математике. Опишите пайплайн как инженерную систему: слои данных, признаки, модель, инференс API. C4-диаграмма (контекст + контейнеры) снимает половину вопросов на защите. Покажите, где хранятся артефакты (S3/MinIO), где версионируются данные (DVC), где логируются запуски (MLflow).

# упрощённый цикл active learning для скрининга электролитов
import optuna
from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import RBF, WhiteKernel

def objective(trial):
    # гиперпараметры ядра GP
    length_scale = trial.suggest_float("length_scale", 0.1, 5.0)
    noise = trial.suggest_float("noise", 1e-5, 1e-1, log=True)
    kernel = RBF(length_scale) + WhiteKernel(noise)

    model = GaussianProcessRegressor(kernel=kernel, normalize_y=True)
    model.fit(X_labeled, y_labeled)

    # acquisition: expected improvement по пулу непомеченных кандидатов
    mu, sigma = model.predict(X_pool, return_std=True)
    ei = expected_improvement(mu, sigma, best_so_far=y_labeled.max())
    candidate_idx = ei.argmax()

    # в реальном пайплайне здесь запускается DFT-расчёт или синтез
    y_new = run_dft_or_experiment(X_pool[candidate_idx])

    X_labeled.append(X_pool[candidate_idx])
    y_labeled.append(y_new)
    trial.set_user_attr("hit", float(y_new > TARGET_THRESHOLD))
    return y_new

study = optuna.create_study(direction="maximize")
study.optimize(objective, n_trials=50)

Такой фрагмент закрывает вопрос «где тут ML-инженерия, а не просто ноутбук». Каждый вызов run_dft_or_experiment — это дорогая операция, а цель — сократить их число. Метрики цикла: кривая «лучший найденный материал vs. число итераций», hit rate в top-K, экономия вычислительных часов.

Глава 3: тестирование и оценка эффективности

Разделите метрики на три группы. Технические: MAE/RMSE для регрессии, ROC-AUC для классификации «стабилен/нестабилен», top-K recall. Инженерные: latency инференса, throughput, воспроизводимость запуска (одинаковый seed → одинаковый результат). Экономические: сэкономленные часы DFT, снижение числа лабораторных итераций, стоимость одного «найденного» кандидата.

Свяжите это с ISO/IEC 25010 — характеристики functional suitability, performance efficiency, maintainability. Комиссия любит, когда метрика привязана к стандарту, а не взята с потолка. Для веб-части (если есть API) добавьте проверки из OWASP API Security Top 10: аутентификация, rate limiting, валидация входных молекул в SMILES.

Чему вы научитесь на такой работе

• Проектировать ML-пайплайн с версионированием данных (DVC) и экспериментов (MLflow), а не «ноутбук на флешке».
• Валидировать модели на химически осмысленных сплитах, избегая утечки между train и test.
• Считать экономический эффект ML-решения через сэкономленные ресурсы — язык, понятный комиссии и бизнесу.
• Оформлять архитектуру по C4 и UML, стадии внедрения — по ГОСТ 34.601, качество — по ISO/IEC 25010.
• Защищать выбор модели через сравнение с бейзлайном, а не через «мы взяли трансформер, потому что модно».

Источник: Why this battery company is pivoting to AI (опубликовано 2026-03-25)